Konvertera GenBank till FASTA
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.
Formatjämförelse och tekniska specifikationer
| Specifikation | GENBANK | FASTA |
|---|---|---|
| MIME-typ | text/ | text/ |
| Typ | annoterad nukleotidfil i flatfile-format | sekvenstext för bioinformatik |
| Komprimering | ingen (ren text) | ingen (ren text) |
| Standardspecifikation | NCBI GenBank Flatfile Release Notes | NCBI FASTA Specification |
| Magic Bytes-huvud | 4C 4F 43 55 53 20 20 20 20 (LOCUS ) | 3E ('>' Sequence header line) |
Formatöversikt och användningsområden
GenBank-poster innehåller sekvensdata och annoteringar. FASTA lagrar en sekvens med en definitionsrad och godtas av många justerings- och sökverktyg, däribland BLAST, när den är formaterad för verktyget. Konvertering till FASTA tar bort annoteringar, och kraven på indata varierar mellan bioinformatikprogram.
Tekniska specifikationer och kodeköversikt
GenBank-platfilformatet använder MIME-typen text/plain och innehåller hårt strukturerad text organiserad i distinkta nyckelordssektioner som LOCUS, DEFINITION, ACCESSION och ORIGIN. FASTA-formatet använder också MIME-typen text/plain men tar bort alla sektioner förutom en enda rubrikrad som börjar med ett större än-tecken samt de efterföljande raderna med råa sekvensbokstäver. Ingetdera formatet använder komprimering som standard, vilket innebär att båda existerar som filer kodade i ren ASCII- eller UTF-8-text. Dessa textformat har inga signaturer i form av magiska byte. Istället identifierar programvaran dem genom att skanna de inledande textrubrikerna efter nyckelord som LOCUS i GenBank-filer eller tecknet '>' i FASTA-filer. Eftersom FASTA endast sparar sekvensdata och kasserar anmärkningarna är konverteringen strikt enkelriktad för själva sekvensen, även om eventuella biologiska anteckningar i den ursprungliga platfilen går förlorade i resultatet.
OS- och webbläsarkompatibilitet
FASTA och GenBank är textformat, men program kan kräva särskilda radbrytningar, identifierare, sekvensalfabet eller postfält. Många bioinformatikverktyg läser FASTA; kontrollera vilken variant och vilka inställningar verktyget du ska använda godtar.
Användbar information
Spara alltid en säkerhetskopia av din ursprungliga GenBank-platfil innan du kör ett konverteringsskript. När du väl har rensat bort anmärkningarna till en FASTA-fil kan du inte återställa de ursprungliga genkoordinaterna, publikationsreferenserna eller översättningstabellerna enbart från sekvensdatan.
Vanliga frågor
Hur konverterar man GenBank-platfil till FASTA-sekvens utan att förlora kvalitet?
Konverteringen är helt förlustfri gällande de faktiska genetiska sekvensdata. Nukleotid- eller proteinbokstäverna förblir exakta. Du förlorar dock alla beskrivande biologiska anmärkningar, såsom gennamn, författarcitat och funktionstabeller, eftersom FASTA-formatet är utformat för att endast innehålla rubriken och själva sekvensen.
Vad är skillnaden mellan en GenBank-platfil och en FASTA-sekvens?
En GenBank-platfil är ett komplext dokument i flera sektioner som innehåller rik biologisk metadata och den råa sekvensen längst ner. En FASTA-sekvens är ett minimalt textformat som enbart består av en enda beskrivande rubrikrad som föregås av ett större än-tecken följt av de råa sekvensraderna.