GenBank súbor (.gb)
NCBI ŠtandardPlochý súbor NCBI GenBank (.gb / .gbk) je zlatým štandardom pre genomickú anotáciu, ktorý spravuje Národný inštitút zdravia (NIH) a ktorý kombinuje kompletné DNA sekvencie s podrobnými lokalizáciami génov, kódujúcimi regiónmi a citáciami vedeckej literatúry.
Konvertovať FASTA do GENBANK
Bezplatný konvertor z FASTA do GENBANK priamo v prehliadači. Konvertujte súbory okamžite vo svojom zariadení.
Preskúmať a metadáta
Operačné systémy a analyzátory súborov identifikujú súbory GenBank kontrolou počiatočnej binárnej bajtovej sekvencie:
Podpis hlavičky na úrovni bajtov (Magic Bytes)
Operačné systémy a analyzátory súborov identifikujú súbory GenBank kontrolou počiatočnej binárnej bajtovej sekvencie:
HEXADECIMÁLNY PODPIS (OFFSET 0):
4C 4F 43 55 53 20 20 20 20 20ASCII REPREZENTÁCIA: LOCUS
Štandardizácia: NCBI GenBank Release Specification
Technické špecifikácie
| Architektúra kontajnera | Plaintext flat file divided into Header section (LOCUS, DEFINITION, ACCESSION), FEATURES table, and ORIGIN sequence data ending with '//' |
| Kompresia | Uncompressed text (often compressed with Gzip as .gb.gz) |
| Poradie bajtov (Endianness) | UTF-8 / ASCII text stream |
| Farebné priestory | N/A (Genomic Annotation Database) |
| Kanály a štruktúra | DNA/RNA sequence, gene annotations, coding regions (CDS), protein translations, and scientific citations |
| Max. rozmery | Unbounded sequence and feature count |
| Priehľadnosť | None |
| Streamovanie a postupné načítavanie | Record-by-record streaming: individual GenBank entries are delimited by '//' lines |
Technická porovnávacia matica: GenBank vs konkurenti
| Technický atribút | GenBank (Aktuálne) | FASTA | GFF | FASTQ |
|---|---|---|---|---|
| Detail anotácie | Vyčerpávajúci (gény, CDS, citácie, preklad) | Žiadne (iba sekvencia) | Tabuľkové genomické súradnice | Iba skóre kvality sekvenovania |
| Zahrnutá sekvencia | Áno (v bloku ORIGIN na konci) | Áno (čistá sekvencia) | Nie (iba súradnice) | Áno (surové čítania) |
| Hlavné nástroje | NCBI, SnapGene, Benchling | BLAST, zarovnávacie nástroje | Prehliadače genómov (UCSC, IGV) | Sekvenátory Illumina |
| Ukončenie záznamu | // na samostatnom riadku | Ďalší riadok hlavičky „>" | Koniec súboru | Ďalší riadok „@" |
Bežné režimy poškodenia a príručka na obnovu v hexadecimálnom kóde
Bioinformatický softvér hlási „GenBank parser error: premature EOF before //".
Hlavná príčina: Skrátené sťahovanie, ktoré odseklo koncový blok pôvodu sekvencie alebo oddeľovač „//".
Obnova: Pridajte „//\n" na koniec súboru pomocou nástroja File2File Bioinformatics Tool.
Bezpečnostná analýza a vektory útokov na parser
Parsery formátu GenBank spracúvajú zložité reťazce lokalizácie funkcií, kde spätné sledovanie regulárnych výrazov môže vyvolať odopretie služby.
Známe vektory útokov
- Odopretie služby prostredníctvom regulárnych výrazov (ReDoS) v parseroch zložitých lokalizácií funkcií.
- Pretečenie vyrovnávacej pamäte pri čítaní nadmerne dlhých názvov citovaných referencií.
- Odopretie služby prostredníctvom slučiek odkazov na cyklické funkcie.
Najlepšie obranné postupy:
Historický pôvod a míľniky
Kľúčové výhody a prednosti
- Bohaté komplexné metadáta: ukladá hranice génov, polohy promótorov, exóny, intróny a preložené proteínové sekvencie.
- Obsahuje kompletné odkazy na vedeckú literatúru, identifikačné čísla PubMed, mená autorov a dátumy predloženia experimentov.
- Univerzálny výmenný formát pre syntetickú biológiu, dizajn plazmidov (SnapGene) a podávania do databázy NCBI.
Technické obmedzenia a nevýhody
- Výrazne ukecanejšie a väčšie veľkosti súborov ako čisté sekvencie FASTA.
- Parsovanie súradníc tabuľky funkcií („join(complement(100..500),600..800)") vyžaduje zložitú logiku parsera.
- Nie je navrhnuté na zarovnávanie masívnych vysokorýchlostných sekvenačných čítaní.
Zaujímavé technické drobnosti
- Každý záznam v GenBank začína slovom „LOCUS" a končí dvoma dopredu lomenými čiarami „//" na samostatnom riadku.
- GenBank denne synchronizuje svoje dáta s Európskym laboratóriom molekulárnej biológie (EMBL) a Japonskou databázou DNA (DDBJ).
- Syntetickí biológovia používajú súbory GenBank na navrhovanie vlastných cirkulárnych plazmidov pre úpravu génov systémom CRISPR a produkciu inzulínu.
Často kladené technické otázky
Aký je rozdiel medzi formátom FASTA a GenBank?
FASTA obsahuje iba surovú sekvenciu DNA so stručným hlavičkovým riadkom. GenBank obsahuje surovú sekvenciu PLUS všetky anotácie génov, preklady proteínov, autorov a vedecké poznámky.
Ako môžem skonvertovať súbor GenBank (.gb) na FASTA?
Pomocou služby File2File.app priamo vo vašom prehliadači môžete jedným kliknutím skonvertovať súbory GenBank na čisté nukleotidové alebo proteínové sekvencie FASTA.
Aký softvér otvára súbory GenBank?
Súbory GenBank dokáže prezerať a upravovať softvér SnapGene, Benchling, UGENE, Artemis a File2File.app.
Súvisiace konverzné páry pre GenBank
Konverzia obyčajnej sekvencie FASTA na súbor GenBank pridáva k surovému genetickému kódu dôležité biologické anotácie a metadátové záznamy.
Konverzia GenBank súboru na FASTA sekvenciu odstráni metadátové anotácie a ponechá iba surové nukleotidové alebo aminokyselinové sekvencie potrebné na rýchlu bioinformatickú analýzu.