FASTA-sekvens (.fasta)
FASTA StandardFASTA är ett vanligt textformat för sekvenser; storleken beror på data och formatering. GenBank-poster varierar och statistik ändras för varje utgåva.
Konvertera FASTA till GENBANK
Gratis konverterare från FASTA till GENBANK i webbläsaren. Konvertera filer direkt på din enhet.
Granska och metadata
Operativsystem och filanalysverktyg identifierar FASTA-filer genom att granska den inledande sekvensen av binära byte:
Signatur i filhuvudet på bytenivå (magiska byte)
Operativsystem och filanalysverktyg identifierar FASTA-filer genom att granska den inledande sekvensen av binära byte:
HEX-SIGNATUR (OFFSET 0):
3EASCII-REPRESENTATION: >
Standardisering: FASTA är ett vanligt textformat för sekvenser; storleken beror på data och formatering. GenBank-poster varierar och statistik ändras för varje utgåva.
Tekniska specifikationer
| Containerarkitektur | Sekvensfil i oformaterad text där rubrikrader börjar med ">" följt av en sekvensidentifierare och efterföljande rader innehåller enbokstavskoder för nukleotider eller aminosyror |
| Komprimering | Okomprimerad text (komprimeras ofta med Gzip som .fasta.gz eller .fa.gz) |
| Byteordning | ASCII-/UTF-8-textström |
| Färgrymder | Ej tillämpligt (genomiska sekvensdata) |
| Kanaler och struktur | Nukleinsyrakoder (A, C, G, T, U, N) eller IUPAC-koder för de 20 aminosyrorna i proteiner |
| Maximala dimensioner | Obegränsad sekvenslängd (rymmer hela mänskliga kromosomer med över 250 miljoner baspar) |
| Transparens | Ingen |
| Strömning och progressiv visning | Sekventiell bearbetning av poster en i taget |
Teknisk jämförelsematris: FASTA jämfört med konkurrenter
| Tekniskt attribut | FASTA (Aktuell) | FASTQ | GENBANK | GFF |
|---|---|---|---|---|
| Kvalitetspoäng | Inga (rena sekvensbokstäver) | Phred-kvalitetspoäng per bas | Inga (funktionsanteckningar) | Inga (funktionskoordinater) |
| Rubrikrad | Börjar med tecknet '>' | Börjar med tecknet '@' | Strukturerat LOCUS-block | Tabelldelade genomiska kolumner |
| Primär användning | Referensgenom och BLAST-sökning | Rådata från sekvenserare med hög genomströmning (Illumina) | Omfattande annoterade gener | Genomiska funktionsanteckningar |
| Filstorlek (människa) | FASTA är ett vanligt textformat för sekvenser; storleken beror på data och formatering. GenBank-poster varierar och statistik ändras för varje utgåva. | ~100+ gigabyte (med kvalitetsvärden) | Rik text på flera gigabyte | ~50 megabyte |
Vanliga skadeorsaker och hex-återställningsguide
Bioinformatikverktyget rapporterar 'Ogiltigt sekvenstecken på rad X'.
Grundorsak: Mellanslag, siffror eller icke-IUPAC-tecken inuti sekvensraderna.
Återställning: Filtrera och rensa sekvenstecken med File2File.app Bioinformatics Tool.
Säkerhetsanalys och attackvektorer för tolkar
Genomikverktyg tolkar massiva FASTA-filer på flera gigabyte där heltalsspill kan inträffa vid indexering av sekvenskoordinater.
Kända attackvektorer
- Heltalsspill i 32-bitars sekvensindexerare (FAI) som överstiger 2^31 baspar.
- Buffertspill vid läsning av alltför långa huvuden för sekvensidentifierare.
- Tjänsteavbrott genom extremt resurskrävande sekvensjusteringsfrågor.
Rekommenderade skyddsåtgärder: Använd 64-bitars koordinattyper och validera att rubriklängden inte överskrider en fastställd maxlängd.
Historiskt ursprung och milstolpar
Viktiga fördelar
- FASTA används ofta för biologiska sekvenser, men stöd för verktyg, databaser och instrument varierar mellan arbetsflöden.
- Extrem enkelhet: rad 1 börjar med '>' följt av ett ID, följt av genetiska bokstäver i ren text.
- Kapacitet för flera sekvenser: en enda fil kan innehålla tusentals enskilda gener eller fullständiga virusgenom.
Tekniska begränsningar
- Innehåller inga kvalitetspoäng för sekvenseringen (till skillnad från FASTQ, som lagrar Phred-kvalitetspoäng för varje bas).
- Ingen standardiserad metadatasyntax för rubrikrader utöver den ursprungliga identifieraren.
- Enormt lagringsutrymme för helgenomdatauppsättningar utan Gzip eller specialiserad genomisk komprimering.
Intressant teknisk kuriosa
- FASTA är ett vanligt textformat för sekvenser; storleken beror på data och formatering. GenBank-poster varierar och statistik ändras för varje utgåva.
- De fyra DNA-bokstäverna som lagras i FASTA-filer är A (Adenin), C (Cytosin), G (Guanin) och T (Tymin).
- När covid-19-coronavirusets genom sekvenserades för första gången i januari 2020 delade forskare det globalt som en 30 000 bokstäver lång FASTA-fil.
Vanliga tekniska frågor
Vad är en FASTA-fil?
En FASTA-fil är en ren textfil som används inom biologi för att lagra DNA-, RNA- eller proteinsekvenser med enbokstavsförkortningar.
Vad är skillnaden mellan FASTA och FASTQ?
FASTA lagrar enbart de genetiska sekvensbokstäverna, medan FASTQ lagrar både bokstäverna och en kvalitetspoäng för sekvenseringsnoggrannheten för varje bas.
Hur kan jag visa en FASTA-fil?
Du kan öppna FASTA-filer i vilken textredigerare som helst, visa dem i bioinformatikprogram som Jalview eller UGENE, eller konvertera dem med File2File.app.
Relaterade konverteringspar för FASTA
Konverteraren omvandlar FASTA-sekvensen till en enkel GenBank-liknande post och skriver sekvensen i ORIGIN-avsnittet; den härleder eller lägger inte till biologiska funktionsannoteringar.
Att konvertera en GenBank-plattfil till en FASTA-sekvens rensar bort annoteringsmetadata för att endast lämna de råa nukleotid- eller aminosyrasekvenserna som behövs för snabb bioinformatisk analys.