Конвертер з GenBank у FASTA
Перетворення файлу GenBank Flatfile у послідовність FASTA видаляє метадані анотацій, залишаючи лише сирі нуклеотидні або амінокислотні послідовності, необхідні для швидкого біоінформатичного аналізу.
Порівняння форматів та технічні характеристики
| Специфікація | GENBANK | FASTA |
|---|---|---|
| MIME-тип | text/ | text/ |
| Тип | анотований текстовий файл із нуклеотидними послідовностями | текст послідовності для біоінформатики |
| Стиснення | немає (звичайний текст) | немає (звичайний текст) |
| Стандартна специфікація | NCBI GenBank Flatfile Release Notes | NCBI FASTA Specification |
| Заголовок магічних байтів | 4C 4F 43 55 53 20 20 20 20 (LOCUS ) | 3E ('>' Sequence header line) |
Огляд формату та застосування
Записи GenBank містять дані послідовності й анотації. FASTA зберігає послідовність із рядком опису та приймається багатьма засобами вирівнювання й пошуку, зокрема BLAST, якщо формат відповідає вимогам інструмента. Перетворення у FASTA відкидає анотації, а вимоги до входу залежать від біоінформатичної програми.
Технічні специфікації та розбір кодеків
Формат GenBank flatfile використовує MIME-тип text/plain і містить чітко структурований текст, організований у різні розділи за ключовими словами, такими як LOCUS, DEFINITION, ACCESSION та ORIGIN. Формат FASTA також використовує MIME-тип text/plain, але відкидає всі розділи, крім одного рядка заголовка, що починається зі знаку «більше», та наступних рядків сирих літер послідовності. Жоден формат за замовчуванням не використовує стиснення, тобто обидва існують як звичайні текстові файли у кодуванні ASCII або UTF-8. Сигнатури магічних байтів для цих звичайних текстових форматів відсутні. Натомість програмне забезпечення ідентифікує їх шляхом сканування початкових заголовків тексту, шукаючи ключові слова на кшталт LOCUS у файлах GenBank або символ «>» у файлах FASTA. Оскільки FASTA зберігає лише дані послідовності та відкидає анотації, перетворення є суворо одностороннім для самої послідовності, хоча будь-які біологічні примітки у вихідному файлі втрачаються у результаті.
Сумісність з ОС та браузерами
FASTA і GenBank - текстові формати, але програми можуть вимагати певного перенесення рядків, ідентифікаторів, алфавіту послідовності чи полів запису. Багато біоінформатичних засобів читають FASTA; перевірте, який варіант і налаштування приймає потрібний інструмент.
Корисна інформація
Завжди зберігайте резервну копію оригінального файлу GenBank перед запуском скрипта конвертації. Щойно ви видалите анотації у файл FASTA, ви не зможете відновити оригінальні координати генів, посилання на публікації чи таблиці трансляції лише з даних послідовності.
Поширені запитання
Як конвертувати GenBank Flatfile у послідовність FASTA без втрати якості?
Конвертація є повністю без втрат щодо фактичних даних генетичної послідовності. Літери нуклеотидів або білків залишаються незмінними. Однак ви втрачаєте всі описові біологічні анотації, такі як назви генів, цитування авторів та таблиці ознак, оскільки формат FASTA розроблений для зберігання лише заголовка та самої послідовності.
У чому різниця між GenBank Flatfile та послідовністю FASTA?
GenBank flatfile - це складний багатосекційний документ, що містить багаті біологічні метадані та сиру послідовність внизу. Послідовність FASTA - це мінімальний текстовий формат, що складається лише з одного описового рядка заголовка, перед яким стоїть знак «більше», за яким слідують рядки сирої послідовності.