Послідовність FASTA (.fasta)
FASTA СтандартFASTA є поширеним текстовим форматом послідовностей; розмір залежить від даних і форматування. Записи GenBank різняться, а статистика оновлюється з кожним випуском.
Конвертувати з FASTA у GENBANK
Безкоштовний конвертер з FASTA у GENBANK у браузері. Миттєво конвертуйте файли на своєму пристрої.
Аналіз та метадані
Операційні системи та аналізатори файлів ідентифікують файли FASTA, перевіряючи початкову послідовність бінарних байтів:
Сигнатура заголовка на байтовому рівні (Magic Bytes)
Операційні системи та аналізатори файлів ідентифікують файли FASTA, перевіряючи початкову послідовність бінарних байтів:
ШІСТНАДЦЯТКОВА СИГНАТУРА (ЗСУВ 0):
3EПОДАННЯ В ASCII: >
Стандартизація: FASTA є поширеним текстовим форматом послідовностей; розмір залежить від даних і форматування. Записи GenBank різняться, а статистика оновлюється з кожним випуском.
Технічні характеристики
| Архітектура контейнера | Текстовий файл послідовності, у якому рядки заголовків починаються з «>» і містять ідентифікатор послідовності, а наступні рядки: однолітерні коди нуклеотидів або амінокислот |
| Стиснення | Текст без стиснення (часто стискається у файли .fasta.gz або .fa.gz) |
| Порядок байтів (Endianness) | Текстовий потік ASCII / UTF-8 |
| Колірні простори | Не застосовується (дані геномних послідовностей) |
| Канали та структура | Коди нуклеїнових кислот (A, C, G, T, U, N) або 20 кодів амінокислот білків за IUPAC |
| Максимальні розміри | Довжина послідовності не обмежена (підтримує цілі хромосоми людини, що містять понад 250 мільйонів пар основ) |
| Прозорість | Немає |
| Потокове та прогресивне завантаження | Послідовна потокова обробка запис за записом |
Технічна матриця порівняння: FASTA проти конкурентів
| Технічний атрибут | FASTA (Поточний) | FASTQ | GENBANK | GFF |
|---|---|---|---|---|
| Оцінки якості | Немає (чисті літери послідовності) | Показники якості Phred для кожної основи | Немає (анотації ознак) | Немає (координати ознак) |
| Рядок заголовка | Починається з символу '>' | Починається з символу '@' | Структурований блок LOCUS | Геномні стовпці, розділені табуляцією |
| Основне використання | Еталонні геноми та пошук BLAST | Сирі високопродуктивні секвенатори (Illumina) | Всебічні анотовані гени | Анотації геномних ознак |
| Розмір файлу (людина) | FASTA є поширеним текстовим форматом послідовностей; розмір залежить від даних і форматування. Записи GenBank різняться, а статистика оновлюється з кожним випуском. | ~100+ гігабайт (з показниками якості) | Багатогігабайтний форматований текст | ~50 мегабайт |
Типові режими пошкодження та посібник з відновлення в шістнадцятковому форматі
Біоінформатичний інструмент повідомляє: 'Неприпустимий символ послідовності в рядку X'.
Першопричина: Пробіли, цифри або символи, що не належать до IUPAC, усередині рядків послідовності.
Відновлення: Відфільтруйте та очистіть символи послідовності за допомогою File2File.app Bioinformatics Tool.
Аналіз безпеки та векторів атак на парсери
Геномні інструменти аналізують масивні багатогігабайтні файли FASTA, де під час індексування координат послідовності можуть виникати переповнення цілих чисел.
Відомі вектори атак
- Переповнення цілих чисел у 32-бітних індексаторах послідовностей (FAI) для послідовностей довших за 2^31 пар основ.
- Переповнення буфера під час читання надто довгих заголовків ідентифікаторів послідовностей.
- Відмова в обслуговуванні через патологічні запити на вирівнювання.
Рекомендації щодо захисту: Використовуйте 64-бітні типи координат і забезпечуйте перевірку максимальної довжини заголовка.
Історичне походження та віхи
Основні переваги
- Беззаперечний глобальний стандарт обчислювальної біології: використовується кожним геномним інструментом, секвенатором та базою даних на Землі.
- Надзвичайна простота: рядок 1 починається з '>', за яким слідує ідентифікатор, а потім: звичайні літери генетичного коду.
- Місткість кількох послідовностей: один файл може містити тисячі окремих генів або повні вірусні геноми.
Технічні обмеження та недоліки
- Не містить оцінок якості секвенування (на відміну від FASTQ, який зберігає показники достовірності Phred для кожної основи).
- Відсутність стандартизованого синтаксису метаданих для рядків заголовків поза початковим ідентифікатором.
- Набори даних цілого геному потребують величезного обсягу сховища без Gzip або спеціалізованого геномного стиснення.
Цікаві технічні факти
- FASTA є поширеним текстовим форматом послідовностей; розмір залежить від даних і форматування. Записи GenBank різняться, а статистика оновлюється з кожним випуском.
- Чотири букви ДНК, що зберігаються у файлах FASTA: A (аденін), C (цитозин), G (гуанін) та T (тимін).
- Коли геном коронавірусу COVID-19 був вперше секвенований у січні 2020 року, вчені поділилися ним у всьому світі як файлом FASTA з 30 000 літер.
Поширені технічні запитання
Що таке файл FASTA?
Файл FASTA: це звичайний текстовий файл, який використовується в біології для зберігання послідовностей ДНК, РНК або білків за допомогою однолітерних абревіатур.
У чому різниця між FASTA та FASTQ?
FASTA зберігає лише літери генетичної послідовності, тоді як FASTQ зберігає як літери, так і показник якості точності секвенування для кожної основи.
Як переглянути файл FASTA?
Ви можете відкривати файли FASTA в будь-якому текстовому редакторі, переглядати їх у біоінформатичному програмному забезпеченні на кшталт Jalview чи UGENE або конвертувати за допомогою File2File.app.
Пов'язані пари конвертації FASTA
Конвертер перетворює послідовність FASTA на базовий запис у стилі GenBank і записує її в розділ ORIGIN; він не визначає та не додає анотації біологічних ознак.
Перетворення файлу GenBank Flatfile у послідовність FASTA видаляє метадані анотацій, залишаючи лише сирі нуклеотидні або амінокислотні послідовності, необхідні для швидкого біоінформатичного аналізу.