FASTA Dizisi (.fasta)
FASTA StandartFASTA diziler için yaygın bir metin biçimidir; boyut veri ve biçimlendirmeye bağlıdır. GenBank kayıtları değişir ve istatistikler her sürümde güncellenir.
FASTA biçimini GENBANK biçimine dönüştür
Tarayıcında FASTA biçimini GENBANK biçimine ücretsiz dönüştür. Dosyaları cihazında anında dönüştür.
İncele ve Meta Veriler
İşletim sistemleri ve dosya çözümleyicileri, FASTA dosyalarını başlangıçtaki ikili sihirli bayt dizisini inceleyerek tanımlar:
Bayt düzeyinde başlık imzası (sihirli baytlar)
İşletim sistemleri ve dosya çözümleyicileri, FASTA dosyalarını başlangıçtaki ikili sihirli bayt dizisini inceleyerek tanımlar:
HEX İMZASI (OFSET 0):
3EASCII GÖSTERİMİ: >
Standartlaştırma: FASTA diziler için yaygın bir metin biçimidir; boyut veri ve biçimlendirmeye bağlıdır. GenBank kayıtları değişir ve istatistikler her sürümde güncellenir.
Teknik Özellikler
| Kapsayıcı mimarisi | Üstbilgi satırlarının '>' ve dizi tanımlayıcısıyla başladığı, devamındaki satırlarda tek harfli nükleotit veya amino asit kodlarının bulunduğu düz metin dizi dosyası |
| Sıkıştırma | Sıkıştırılmamış metin (sıklıkla .fasta.gz veya .fa.gz olarak Gzip ile sıkıştırılır) |
| Bayt Düzeni (Endianness) | ASCII / UTF-8 metin akışı |
| Renk Uzayları | N/A (Genomic Sequence Data) |
| Kanallar ve Yapı | Nükleik asit kodları (A, C, G, T, U, N) veya IUPAC 20 amino asit protein kodu |
| Maksimum Boyutlar | Sınırsız dizi uzunluğu (250 milyondan fazla baz çiftli insan kromozomlarının tamamını destekler) |
| Şeffaflık | None |
| Akış ve Aşamalı İşleme | Kayıtların sırayla akışla işlenmesi |
Teknik karşılaştırma matrisi: FASTA ve rakipleri
| Teknik Nitelik | FASTA (Güncel) | FASTQ | GENBANK | GFF |
|---|---|---|---|---|
| Kalite Skorları | Yok (saf dizi harfleri) | Baz başına Phred kalite skorları | Yok (özellik ek açıklamaları) | Yok (özellik koordinatları) |
| Başlık Satırı | '>' karakteriyle başlar | '@' karakteriyle başlar | Yapılandırılmış LOCUS bloğu | Sekmeyle ayrılmış genomik sütunlar |
| Birincil Kullanım | Referans genomlar ve BLAST araması | Yüksek verimli ham dizi analiz cihazları (Illumina) | Kapsamlı açıklama eklenmiş genler | Genomik özellik açıklamaları |
| Dosya Boyutu (Okunabilir biçimde) | FASTA diziler için yaygın bir metin biçimidir; boyut veri ve biçimlendirmeye bağlıdır. GenBank kayıtları değişir ve istatistikler her sürümde güncellenir. | ~100+ Gigabayt (kalitelerle birlikte) | Çok gigabaytlık zengin metin | ~50 Megabayt |
Yaygın Bozulma Modları ve Hex Kurtarma Kılavuzu
Biyoinformatik aracı 'X satırında geçersiz dizi karakteri' bildiriyor.
Kök Neden: Dizi satırlarının içinde boşluk, sayı veya IUPAC dışı karakterler.
Kurtarma: File2File.app Biyoinformatik Aracı ile dizi karakterlerini süz ve temizle.
Güvenlik Analizi ve Ayrıştırıcı Saldırı Vektörleri
Genomik araçlar, dizi koordinatları dizinlenirken tamsayı taşmalarının oluşabileceği devasa çok gigabaytlık FASTA dosyalarını ayrıştırır.
Bilinen Saldırı Vektörleri
- 2^31 baz çiftini aşan 32-bit dizi dizinleyicilerinde (FAI) tamsayı taşması.
- Aşırı uzun dizi tanımlayıcı başlıkları okunurken arabellek taşıması.
- Patolojik hizalama sorguları yoluyla hizmet reddi.
Savunmaya yönelik en iyi uygulamalar: 64 bit koordinat türleri kullan ve başlık uzunluğunu doğrulamak için bir üst sınır uygula.
Tarihsel kökenler ve önemli dönüm noktaları
Temel Avantajlar ve Artılar
- Hesaplamalı biyolojinin tartışmasız küresel standardı: Yeryüzündeki her genomik araç, sıralayıcı ve veritabanı tarafından kullanılır.
- Son derece basittir: 1. satır '>' karakteriyle başlar ve ardından bir kimlik gelir; sonraki satırlarda düz metin genetik harfler yer alır.
- Çoklu dizi kapasitesi: tek bir dosya binlerce ayrı gen veya tam viral genom içerebilir.
Teknik Kısıtlamalar ve Eksiler
- Hiçbir dizileme kalite skoru içermez (baz başına Phred güven skorlarını depolayan FASTQ'nun aksine).
- İlk tanımlayıcının ötesinde başlık satırları için standartlaştırılmış meta veri sözdizimi yoktur.
- Gzip veya özel genomik sıkıştırma olmadan tam genom veri setleri için devasa depolama alanı gereksinimi.
İlginç Teknik Bilgiler
- FASTA diziler için yaygın bir metin biçimidir; boyut veri ve biçimlendirmeye bağlıdır. GenBank kayıtları değişir ve istatistikler her sürümde güncellenir.
- FASTA dosyalarında depolanan DNA'nın dört harfi A (Adenin), C (Sitozin), G (Guanin) ve T (Timin) harfleridir.
- COVID-19 koronavirüs genomu ilk kez Ocak 2020'de dizilendiğinde, bilim insanları bunu küresel olarak 30.000 harfli bir FASTA dosyası olarak paylaştı.
Sıkça Sorulan Teknik Sorular
FASTA dosyası nedir?
FASTA dosyası, biyolojide DNA, RNA veya protein dizilerini tek harfli kısaltmalar kullanarak saklamak için kullanılan düz metin dosyasıdır.
FASTA ve FASTQ arasındaki fark nedir?
FASTA yalnızca genetik dizi harflerini saklarken, FASTQ hem harfleri hem de her bir baz için dizileme doğruluğu kalite puanını saklar.
Bir FASTA dosyasını nasıl görüntüleyebilirim?
FASTA dosyalarını herhangi bir metin düzenleyicide açabilir, Jalview veya UGENE gibi biyoinformatik yazılımlarında görüntüleyebilir ya da File2File.app ile dönüştürebilirsin.
İlgili FASTA Dönüşüm Çiftleri
Dönüştürücü, FASTA dizisini temel bir GenBank tarzı kayda dönüştürüp ORIGIN bölümüne yazar; biyolojik özellik açıklamalarını çıkarmaz veya eklemez.
GenBank Düz Dosyasını FASTA Dizisine dönüştürmek, hızlı biyoinformatik analiz için gereken yalnızca ham nükleotit veya amino asit dizilerini bırakmak üzere açıklama meta verilerini kaldırır.