ลำดับ FASTA (.fasta)
FASTA มาตรฐานFASTA เป็นรูปแบบข้อความสำหรับลำดับชีวภาพที่ใช้ทั่วไป ขนาดขึ้นอยู่กับข้อมูลและการจัดรูปแบบ รายการ GenBank แตกต่างกันและสถิติเปลี่ยนไปในแต่ละรุ่น
แปลง FASTA เป็น GENBANK
ตัวแปลงจาก FASTA เป็น GENBANK ฟรีในเบราว์เซอร์ แปลงไฟล์ได้ทันทีบนอุปกรณ์ของคุณ
ตรวจสอบไฟล์และข้อมูลเมตา
ระบบปฏิบัติการและเครื่องมือวิเคราะห์ไฟล์จะระบุไฟล์ FASTA โดยการตรวจสอบลำดับไบต์ไบนารีส่วนต้น:
ลายเซ็นส่วนหัวระดับไบต์
ระบบปฏิบัติการและเครื่องมือวิเคราะห์ไฟล์จะระบุไฟล์ FASTA โดยการตรวจสอบลำดับไบต์ไบนารีส่วนต้น:
ลายเซ็น HEX (OFFSET 0):
3Eการแสดงผลรูปแบบ ASCII: >
มาตรฐาน: FASTA เป็นรูปแบบข้อความสำหรับลำดับชีวภาพที่ใช้ทั่วไป ขนาดขึ้นอยู่กับข้อมูลและการจัดรูปแบบ รายการ GenBank แตกต่างกันและสถิติเปลี่ยนไปในแต่ละรุ่น
ข้อมูลจำเพาะทางเทคนิค
| สถาปัตยกรรมคอนเทนเนอร์ | ไฟล์ลำดับข้อความล้วนที่บรรทัดส่วนหัวขึ้นต้นด้วย '>' ตามด้วยตัวระบุลำดับ และบรรทัดถัดไปมีรหัสนิวคลีโอไทด์หรือกรดอะมิโนตัวอักษรเดี่ยว |
| การบีบอัด | ข้อความแบบไม่บีบอัด (มักบีบอัดด้วย Gzip เป็น .fasta.gz หรือ .fa.gz) |
| การจัดลำดับไบต์ | สตรีมข้อความ ASCII / UTF-8 |
| พื้นที่สี | ไม่เกี่ยวข้อง (ข้อมูลลำดับจีโนม) |
| ช่องสัญญาณและโครงสร้าง | รหัสกรดนิวคลีอิก (A, C, G, T, U, N) หรือรหัสโปรตีนกรดอะมิโน 20 ชนิดตาม IUPAC |
| ขนาดสูงสุด | ความยาวลำดับไม่จำกัด (รองรับโครโมโซมมนุษย์ทั้งแท่งที่มีมากกว่า 250 ล้านคู่เบส) |
| ความโปร่งใส | ไม่มี |
| การสตรีมและแบบโปรเกรสซีฟ | ประมวลผลสตรีมตามลำดับทีละระเบียน |
ตารางเปรียบเทียบทางเทคนิค: FASTA กับคู่แข่ง
| คุณลักษณะทางเทคนิค | FASTA (ปัจจุบัน) | FASTQ | GENBANK | GFF |
|---|---|---|---|---|
| คะแนนคุณภาพ | ไม่มี (มีเฉพาะตัวอักษรที่แทนลำดับ) | คะแนนคุณภาพ Phred สำหรับแต่ละเบส | ไม่มี (คำอธิบายประกอบคุณลักษณะ) | ไม่มี (พิกัดคุณลักษณะ) |
| บรรทัดส่วนหัว | เริ่มต้นด้วยอักขระ '>' | เริ่มต้นด้วยอักขระ '@' | บล็อก LOCUS ที่มีโครงสร้าง | คอลัมน์จีโนมคั่นด้วยแท็บ |
| การใช้งานหลัก | จีโนมอ้างอิงและการค้นหา BLAST | ข้อมูลดิบจากเครื่องหาลำดับปริมาณสูง (Illumina) | ยีนที่มีการใส่คำอธิบายประกอบครบถ้วน | คำอธิบายประกอบคุณลักษณะจีโนม |
| ขนาดไฟล์ (ของมนุษย์) | FASTA เป็นรูปแบบข้อความสำหรับลำดับชีวภาพที่ใช้ทั่วไป ขนาดขึ้นอยู่กับข้อมูลและการจัดรูปแบบ รายการ GenBank แตกต่างกันและสถิติเปลี่ยนไปในแต่ละรุ่น | ประมาณ 100 กิกะไบต์ขึ้นไป (รวมคะแนนคุณภาพ) | ข้อความจัดรูปแบบที่มีข้อมูลประกอบ ขนาดหลายกิกะไบต์ | ~50 เมกะไบต์ |
รูปแบบความเสียหายทั่วไปและคู่มือการกู้คืน Hex
เครื่องมือชีวสารสนเทศรายงานว่า 'อักขระลำดับไม่ถูกต้องที่บรรทัด X'
สาเหตุหลัก: มีช่องว่าง ตัวเลข หรืออักขระที่ไม่ใช่ IUPAC อยู่ในบรรทัดลำดับ
การกู้คืน: กรองและทำความสะอาดอักขระลำดับโดยใช้เครื่องมือชีวสารสนเทศ File2File.app
การวิเคราะห์ความปลอดภัยและเวกเตอร์การโจมตีตัวแยกวิเคราะห์
เครื่องมือจีโนมิกส์วิเคราะห์ไฟล์ FASTA ขนาดใหญ่ระดับหลายกิกะไบต์ ซึ่งอาจเกิดปัญหา integer overflow เมื่อทำการจัดทำดัชนีพิกัดลำดับ
เวกเตอร์การโจมตีที่ทราบ
- จำนวนเต็มล้นในเครื่องมือจัดทำดัชนีลำดับ 32 บิต (FAI) เมื่อมีจำนวนคู่เบสเกิน 2^31
- บัฟเฟอร์ล้นเมื่ออ่านส่วนหัวตัวระบุลำดับที่ยาวเกินไป
- การปฏิเสธการให้บริการผ่านการค้นหาการจัดแนวลำดับที่มีรูปแบบผิดปกติ
แนวทางปฏิบัติที่ดีที่สุดในการป้องกัน: ใช้ประเภทพิกัด 64 บิตและบังคับใช้การตรวจสอบความถูกต้องของความยาวส่วนหัวสูงสุด
ประวัติความเป็นมาและเหตุการณ์สำคัญ
ข้อได้เปรียบและจุดเด่นสำคัญ
- มาตรฐานระดับโลกที่ไม่มีใครโต้แย้งสำหรับชีววิทยาเชิงคำนวณ: ใช้โดยเครื่องมือจีโนม เครื่องซีเควนเซอร์ และฐานข้อมูลทุกแห่งบนโลก
- โครงสร้างเรียบง่ายมาก: บรรทัดแรกเริ่มด้วยเครื่องหมาย ">" ตามด้วยรหัสระบุ แล้วจึงเป็นตัวอักษรลำดับพันธุกรรมในรูปข้อความธรรมดา
- รองรับหลายลำดับ: ไฟล์เดียวเก็บยีนหลายพันรายการหรือจีโนมไวรัสทั้งชุดได้
ข้อจำกัดทางเทคนิคและข้อควรพิจารณา
- ไม่มีคะแนนคุณภาพการหาลำดับ (ต่างจาก FASTQ ซึ่งเก็บคะแนนความเชื่อมั่น Phred สำหรับแต่ละเบส)
- ไม่มีไวยากรณ์มาตรฐานสำหรับข้อมูลเมตาในบรรทัดส่วนหัว นอกเหนือจากตัวระบุแรก
- ใช้พื้นที่จัดเก็บมากสำหรับชุดข้อมูลจีโนมทั้งชุด หากไม่มีการบีบอัดแบบ Gzip หรือวิธีบีบอัดเฉพาะทางสำหรับจีโนม
เกร็ดความรู้ทางเทคนิคที่น่าสนใจ
- FASTA เป็นรูปแบบข้อความสำหรับลำดับชีวภาพที่ใช้ทั่วไป ขนาดขึ้นอยู่กับข้อมูลและการจัดรูปแบบ รายการ GenBank แตกต่างกันและสถิติเปลี่ยนไปในแต่ละรุ่น
- ตัวอักษร 4 ตัวของ DNA ที่เก็บไว้ในไฟล์ FASTA ได้แก่ A (Adenine), C (Cytosine), G (Guanine) และ T (Thymine)
- เมื่อหาลำดับจีโนมของไวรัสโคโรนา COVID-19 เป็นครั้งแรกในเดือนมกราคม 2020 นักวิทยาศาสตร์แบ่งปันข้อมูลทั่วโลกเป็นไฟล์ FASTA ยาว 30,000 ตัวอักษร
คำถามทางเทคนิคที่พบบ่อย
ไฟล์ FASTA คืออะไร
ไฟล์ FASTA คือไฟล์ข้อความธรรมดาที่ใช้ในชีววิทยาเพื่อจัดเก็บลำดับ DNA, RNA หรือโปรตีนโดยใช้อักษรย่อตัวเดียว
ความแตกต่างระหว่าง FASTA และ FASTQ คืออะไร
FASTA จัดเก็บเฉพาะตัวอักษรลำดับทางพันธุกรรมเท่านั้น ในขณะที่ FASTQ จัดเก็บทั้งตัวอักษรและคะแนนคุณภาพความถูกต้องของการจัดลำดับสำหรับแต่ละเบส
เปิดดูไฟล์ FASTA ได้อย่างไร?
เปิดไฟล์ FASTA ได้ด้วยโปรแกรมแก้ไขข้อความทั่วไป ดูในซอฟต์แวร์ชีวสารสนเทศ เช่น Jalview หรือ UGENE หรือแปลงไฟล์ด้วย File2File.app
คู่การแปลงไฟล์ FASTA ที่เกี่ยวข้อง
ตัวแปลงจะแปลงลำดับ FASTA เป็นระเบียนรูปแบบ GenBank พื้นฐานและเขียนลำดับไว้ในส่วน ORIGIN โดยจะไม่อนุมานหรือเพิ่มคำอธิบายประกอบคุณลักษณะทางชีววิทยา
การแปลงไฟล์ข้อความ GenBank เป็นลำดับ FASTA จะตัดข้อมูลเมตาและคำอธิบายประกอบออก เหลือไว้เพียงลำดับนิวคลีโอไทด์หรือกรดอะมิโนดิบที่จำเป็นต่อการวิเคราะห์ทางชีวสารสนเทศอย่างรวดเร็ว