Конвертер GenBank в FASTA
Преобразование плоского файла GenBank в последовательность FASTA удаляет метаданные аннотаций, оставляя только нуклеотидные или аминокислотные последовательности, необходимые для быстрого биоинформатического анализа.
Сравнение форматов и технические характеристики
| Характеристика | GENBANK | FASTA |
|---|---|---|
| MIME-тип | text/ | text/ |
| Тип | аннотированный плоский файл нуклеотидных последовательностей | текст последовательностей для биоинформатики |
| Сжатие | нет (обычный текст) | нет (обычный текст) |
| Стандартная спецификация | NCBI GenBank Flatfile Release Notes | NCBI FASTA Specification |
| Сигнатура файла (Magic Bytes) | 4C 4F 43 55 53 20 20 20 20 (LOCUS ) | 3E ('>' Sequence header line) |
Обзор формата и областей применения
Записи GenBank содержат данные последовательности и аннотации. FASTA хранит последовательность со строкой описания и поддерживается многими инструментами выравнивания и поиска, включая BLAST, если файл оформлен в нужном для инструмента виде. При преобразовании в FASTA аннотации теряются, а требования к входным данным зависят от биоинформатического приложения.
Технические спецификации и разбор кодеков
Формат плоского файла GenBank использует тип MIME text/plain и содержит структурированный текст, организованный в отдельные разделы по ключевым словам, такие как LOCUS, DEFINITION, ACCESSION и ORIGIN. Формат FASTA также использует тип MIME text/plain, но отбрасывает все разделы, кроме одной строки заголовка, начинающейся со знака «больше», и последующих строк с буквами сырой последовательности. По умолчанию оба формата не используют сжатие, что означает, что оба они существуют как простые текстовые файлы в кодировке ASCII или UTF-8. Сигнатуры магических байтов для этих простых текстовых форматов не существуют. Вместо этого программное обеспечение идентифицирует их путем сканирования начальных текстовых заголовков в поисках ключевых слов вроде LOCUS в файлах GenBank или символа «>» в файлах FASTA. Поскольку FASTA сохраняет только данные последовательности и отбрасывает аннотации, преобразование является строго односторонним для самой последовательности, хотя любые биологические примечания в исходном плоском файле теряются в результате.
Совместимость с ОС и браузерами
FASTA и GenBank - текстовые форматы, однако приложения могут предъявлять особые требования к переносу строк, идентификаторам, алфавиту последовательности или полям записи. Многие биоинформатические инструменты читают FASTA; уточните, какой вариант и настройки принимает нужный инструмент.
Полезная информация
Всегда сохраняйте резервную копию исходного плоского файла GenBank перед запуском скрипта преобразования. После удаления аннотаций в файл FASTA Вы не сможете восстановить исходные координаты генов, ссылки на публикации или таблицы трансляции только по данным последовательности.
Часто задаваемые вопросы
Как конвертировать плоский файл GenBank в последовательность FASTA без потери качества?
Преобразование является полностью без потерь в отношении фактических данных генетической последовательности. Буквы нуклеотидов или белков остаются точными. Тем не менее Вы теряете все описательные биологические аннотации, такие как названия генов, цитирования авторов и таблицы признаков, поскольку формат FASTA предназначен для хранения только заголовка и самой последовательности.
В чем разница между плоским файлом GenBank и последовательностью FASTA?
Плоский файл GenBank - это сложный документ, состоящий из множества разделов и содержащий богатые биологические метаданные, а также исходную последовательность в нижней части. Последовательность FASTA - это минимальный текстовый формат, состоящий только из одной описательной строки заголовка, которой предшествует знак «больше», за которым следуют строки сырой последовательности.