FASTA sekvenca (.fasta)
FASTA StandardFASTA je čest tekstualni format sekvenci; veličina zavisi od podataka i formatiranja. GenBank zapisi variraju, a statistika se menja po izdanju.
Konvertujte FASTA u GENBANK
Besplatan konvertor FASTA u GENBANK u pregledaču. Konvertujte datoteke odmah na svom uređaju.
Pregled i metapodaci
Operativni sistemi i analizatori datoteka identifikuju FASTA datoteke proverom početnog binarnog niza bajtova:
Potpis zaglavlja na nivou bajtova (magični bajtovi)
Operativni sistemi i analizatori datoteka identifikuju FASTA datoteke proverom početnog binarnog niza bajtova:
HEKSADECIMALNI POTPIS (OFFSET 0):
3EASCII REPREZENTACIJA: >
Standardizacija: FASTA je čest tekstualni format sekvenci; veličina zavisi od podataka i formatiranja. GenBank zapisi variraju, a statistika se menja po izdanju.
Tehničke specifikacije
| Arhitektura kontejnera | Tekstualna datoteka sekvenci čiji redovi zaglavlja počinju znakom '>' iza kog sledi identifikator sekvence, dok naredni redovi sadrže jednoslovne kodove nukleotida ili aminokiselina |
| Kompresija | Nekomprimovani tekst (često komprimovan Gzip-om u datoteku .fasta.gz ili .fa.gz) |
| Bajtni redosled (Endianness) | Tekstualni tok ASCII / UTF-8 |
| Prostori boja | Nije primenljivo (genomski podaci o sekvencama) |
| Kanali i struktura | Kodovi nukleinskih kiselina (A, C, G, T, U, N) ili IUPAC kodovi za 20 aminokiselina |
| Maksimalne dimenzije | Neograničena dužina sekvence (podržava cele ljudske hromozome sa više od 250 miliona baznih parova) |
| Transparentnost | Nema |
| Strimovanje i progresivno učitavanje | Sekvencijalna obrada zapisa jedan po jedan u toku |
Tehnička matrica poređenja: FASTA u odnosu na konkurente
| Tehnički atribut | FASTA (Trenutno) | FASTQ | GENBANK | GFF |
|---|---|---|---|---|
| Ocene kvaliteta | Nema (čista slova sekvence) | Phred ocene kvaliteta po bazi | Nema (anotacije funkcija) | Nema (koordinate funkcija) |
| Linija zaglavlja | Počinje sa znakom '>' | Počinje sa znakom '@' | Strukturisani LOCUS blok | Genomske kolone razdvojene tabulatorima |
| Primarna upotreba | Referentni genomi i BLAST pretraga | Sirovi sekvenceri visoke propusnosti (Illumina) | Sveobuhvatno anotirani geni | Anotacije genomskih funkcija |
| Veličina datoteke (ljudska) | FASTA je čest tekstualni format sekvenci; veličina zavisi od podataka i formatiranja. GenBank zapisi variraju, a statistika se menja po izdanju. | ~100+ gigabajta (sa kvalitetima) | Bogati tekst od više gigabajta | ~50 megabajta |
Uobičajeni režimi oštećenja i vodič za heksadecimalni oporavak
Bioinformatički alat prijavljuje grešku 'Nevažeći znak sekvence u redu X'.
Osnovni uzrok: Razmaci, brojevi ili ne-IUPAC znakovi unutar linija sekvence.
Oporavak: Filtrirajte i očistite znakove sekvence pomoću bioinformatičkog alata File2File.app.
Bezbednosna analiza i vektori napada parsera
Genomski alati parsiraju masivne FASTA datoteke od više gigabajta gde može doći do prekoračenja celobrojnih vrednosti pri indeksiranju koordinata sekvence.
Poznati vektori napada
- Prekoračenje celobrojnih vrednosti u 32-bitnim indekserima sekvenci (FAI) koji prelaze 2^31 baznih parova.
- Prekoračenje bafera pri čitanju predugačkih zaglavlja identifikatora sekvenci.
- Uskraćivanje usluge (DoS) kroz patološke upite za usklađivanje.
Najbolje prakse za zaštitu: Koristite 64-bitne tipove koordinata i proverite da dužina zaglavlja ne prelazi dozvoljeni maksimum.
Istorijat i prekretnice
Ključne prednosti
- FASTA se široko koristi za biološke sekvence, ali podrška za taj format razlikuje se među alatima, bazama podataka i tokovima rada.
- Ekstremna jednostavnost: 1. linija počinje sa '>' nakon čega sledi ID, a zatim običan tekst genetskih slova.
- Kapacitet za više sekvenci: jedna datoteka može sadržati hiljade pojedinačnih gena ili kompletne viralne genome.
Tehnička ograničenja i nedostaci
- Ne sadrži ocene kvaliteta sekvenciranja (za razliku od FASTQ-a, koji čuva Phred ocene pouzdanosti po bazi).
- Nema standardizovanu sintaksu metapodataka za linije zaglavlja osim početnog identifikatora.
- Ogroman otisak skladištenja za skupove podataka celog genoma bez Gzip-a ili specijalizovane genomske kompresije.
Zanimljivosti
- FASTA je čest tekstualni format sekvenci; veličina zavisi od podataka i formatiranja. GenBank zapisi variraju, a statistika se menja po izdanju.
- Četiri slova DNK uskladištena u FASTA datotekama su A (Adenin), C (Citozin), G (Guanin) i T (Timin).
- Kada je genom koronavirusa COVID-19 prvi put sekvenciran u januaru 2020. godine, naučnici su ga podelili širom sveta kao FASTA datoteku od 30.000 slova.
Često postavljana tehnička pitanja
Šta je FASTA fajl?
FASTA fajl je običan tekstualni fajl koji se koristi u biologiji za skladištenje DNK, RNK ili proteinskih sekvenci pomoću jednoslovnih oznaka.
Koja je razlika između FASTA i FASTQ formata?
FASTA čuva samo slova genetskih sekvenci, dok FASTQ čuva i slova i ocenu tačnosti sekvenciranja za svaku bazu.
Kako mogu da pregledam FASTA fajl?
Možete otvoriti FASTA fajlove u bilo kom uređivaču teksta, pregledati ih u bioinformatičkom softveru kao što su Jalview ili UGENE, ili ih konvertovati pomoću File2File.app.
Povezani parovi konverzije za FASTA
Konverter pretvara FASTA sekvencu u osnovni zapis u stilu GenBank i upisuje je u odeljak ORIGIN; ne zaključuje niti dodaje biološke anotacije osobina.
Konverzija GenBank ravne datoteke u FASTA sekvencu uklanja metapodatke i anotacije, ostavljajući samo sirove nukleotidne ili aminokiselinske sekvence potrebne za brzu bioinformatičku analizu.