Файл GenBank (.gb)
NCBI 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 GenBank, перевіряючи початкову послідовність бінарних байтів:
Сигнатура заголовка на байтовому рівні (Magic Bytes)
Операційні системи та аналізатори файлів ідентифікують файли GenBank, перевіряючи початкову послідовність бінарних байтів:
ШІСТНАДЦЯТКОВА СИГНАТУРА (ЗСУВ 0):
4C 4F 43 55 53 20 20 20 20 20ПОДАННЯ В ASCII: LOCUS
Стандартизація: NCBI GenBank Release Specification
Технічні характеристики
| Архітектура контейнера | Текстовий файл, поділений на розділи Header (LOCUS, DEFINITION, ACCESSION), таблицю FEATURES і дані послідовності ORIGIN; файл закінчується на «//» |
| Стиснення | Текст без стиснення (часто стискається у файл .gb.gz) |
| Порядок байтів (Endianness) | Текстовий потік UTF-8 / ASCII |
| Колірні простори | Не застосовується (база даних геномних анотацій) |
| Канали та структура | Послідовності ДНК/РНК, анотації генів, кодуючі ділянки (CDS), перекладені послідовності білків і наукові цитати |
| Максимальні розміри | Кількість послідовностей і ознак не обмежена |
| Прозорість | Немає |
| Потокове та прогресивне завантаження | Потокове читання запис за записом: записи GenBank розділено рядками «//» |
Технічна матриця порівняння: GenBank проти конкурентів
| Технічний атрибут | GenBank (Поточний) | FASTA | GFF | FASTQ |
|---|---|---|---|---|
| Деталізація анотацій | Вичерпна (гени, CDS, цитування, трансляція) | Відсутня (лише послідовність) | Табличні геномні координати | Лише показники якості секвенування |
| Включена послідовність | Так (у блоці ORIGIN в кінці) | Так (чиста послідовність) | Ні (лише координати) | Так (сирі зчитані дані) |
| Основні інструменти | NCBI, SnapGene, Benchling | BLAST, інструменти вирівнювання | Геномні браузери (UCSC, IGV) | Секвенатори Illumina |
| Термінатор запису | // на окремому рядку | Наступний рядок заголовка '>' | Кінець файлу | Наступний рядок '@' |
Типові режими пошкодження та посібник з відновлення в шістнадцятковому форматі
Біоінформатичне ПЗ повідомляє: «GenBank parser error: premature EOF before //» (помилка розбору GenBank: передчасний кінець файлу перед //).
Першопричина: Урізане завантаження, що відсікає кінцевий блок походження послідовності або роздільник '//'.
Відновлення: Додайте '//\n' в кінець файлу за допомогою інструменту File2File.app Bioinformatics.
Аналіз безпеки та векторів атак на парсери
Засоби розбору GenBank обробляють складні рядки розташування ознак, у яких зворотний перебір регулярного виразу може спричинити відмову в обслуговуванні.
Відомі вектори атак
- Відмова в обслуговуванні через регулярні вирази (ReDoS) у засобах розбору складних даних про розташування ознак.
- Переповнення буфера під час читання надто довгих назв цитованих посилань.
- Відмова в обслуговуванні через циклічні посилання на ознаки.
Рекомендації щодо захисту: Для обробки діапазонів координат у таблиці ознак використовуйте лінійні засоби розбору без зворотного перебору.
Історичне походження та віхи
Основні переваги
- Багаті й вичерпні метадані: містить межі генів, розташування промоторів, екзони, інтрони та амінокислотні послідовності білків.
- Містить повні посилання на наукову літературу, ідентифікатори PubMed, імена авторів та дати подання записів.
- FASTA є поширеним текстовим форматом послідовностей; розмір залежить від даних і форматування. Записи GenBank різняться, а статистика оновлюється з кожним випуском.
Технічні обмеження та недоліки
- Значно більш деталізований і має більший розмір файлів, ніж прості послідовності FASTA.
- Розбір координат у таблиці ознак ('join(complement(100..500),600..800)') потребує складної логіки.
- Не призначений для масового вирівнювання зчитаних даних високопродуктивного секвенування.
Цікаві технічні факти
- Кожен запис GenBank починається зі слова 'LOCUS' і закінчується двома похилими рисками '//' на окремому рядку.
- GenBank щодня синхронізує свої дані з Європейською лабораторією молекулярної біології (EMBL) та Банком даних ДНК Японії (DDBJ).
- Синтетичні біологи використовують файли GenBank, щоб проєктувати власні кільцеві плазміди для редагування генів за допомогою CRISPR і виробництва інсуліну.
Поширені технічні запитання
У чому різниця між FASTA та форматом GenBank?
FASTA містить лише необроблену послідовність ДНК із коротким рядком заголовка. GenBank містить необроблену послідовність, а також усі анотації генів, перекладені послідовності білків, відомості про авторів і наукові примітки.
Як конвертувати GenBank (.gb) у FASTA?
Ви можете одним натисканням у браузері конвертувати файли GenBank у чисті нуклеотидні послідовності FASTA або послідовності білків за допомогою File2File.app.
Яка програма відкриває файли GenBank?
SnapGene, Benchling, UGENE, Artemis, а також File2File.app можуть переглядати та редагувати файли GenBank.
Пов'язані пари конвертації GenBank
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.