Trình tự FASTA (.fasta)
FASTA Tiêu chuẩnFASTA là định dạng văn bản phổ biến cho trình tự; kích thước tùy dữ liệu và cách định dạng. Bản ghi GenBank khác nhau và thống kê đổi theo mỗi bản phát hành.
Chuyển đổi FASTA sang GENBANK
Trình chuyển đổi từ FASTA sang GENBANK miễn phí trên trình duyệt. Chuyển đổi tệp ngay lập tức trên thiết bị của bạn.
Kiểm tra & Siêu dữ liệu
Các hệ điều hành và trình phân tích tệp nhận dạng tệp FASTA bằng cách kiểm tra chuỗi byte nhị phân đầu tệp:
Chữ ký ở đầu tệp (mẫu byte nhận diện)
Các hệ điều hành và trình phân tích tệp nhận dạng tệp FASTA bằng cách kiểm tra chuỗi byte nhị phân đầu tệp:
CHỮ KÝ HEX (OFFSET 0):
3EBIỂU DIỄN ASCII: >
Tiêu chuẩn hóa: FASTA là định dạng văn bản phổ biến cho trình tự; kích thước tùy dữ liệu và cách định dạng. Bản ghi GenBank khác nhau và thống kê đổi theo mỗi bản phát hành.
Thông số kỹ thuật
| Kiến trúc Container | Tệp chuỗi văn bản thuần, dòng tiêu đề bắt đầu bằng '>' kèm mã định danh chuỗi; các dòng sau chứa mã nucleotide hoặc axit amin một chữ cái |
| Nén | Văn bản không nén (thường nén bằng Gzip thành .fasta.gz hoặc .fa.gz) |
| Thứ tự byte | Luồng văn bản ASCII / UTF-8 |
| Không gian màu | Không áp dụng (dữ liệu chuỗi bộ gen) |
| Kênh & Cấu trúc | Mã axit nucleic (A, C, G, T, U, N) hoặc mã axit amin protein IUPAC gồm 20 ký tự |
| Kích thước tối đa | Độ dài chuỗi không giới hạn (hỗ trợ toàn bộ nhiễm sắc thể người dài hơn 250 triệu cặp bazơ) |
| Độ trong suốt | Không có |
| Truyền phát & Tăng dần | Xử lý luồng tuần tự từng bản ghi |
Ma trận so sánh kỹ thuật: FASTA so với các đối thủ
| Thuộc tính kỹ thuật | FASTA (Hiện tại) | FASTQ | GENBANK | GFF |
|---|---|---|---|---|
| Điểm Chất lượng | Không có (chỉ các chữ cái trình tự thuần túy) | Điểm chất lượng Phred trên mỗi cơ sở | Không có (chú thích đặc điểm) | Không có (tọa độ đặc điểm) |
| Dòng Tiêu đề | Bắt đầu bằng ký tự '>' | Bắt đầu bằng ký tự '@' | Khối LOCUS có cấu trúc | Các cột gen phân tách bằng tab |
| Mục đích Chính | Bộ gen tham chiếu & tìm kiếm BLAST | Máy giải trình tự thông lượng cao thô (Illumina) | Gen có chú thích toàn diện | Chú thích đặc điểm bộ gen |
| Kích thước Tệp (Người) | FASTA là định dạng văn bản phổ biến cho trình tự; kích thước tùy dữ liệu và cách định dạng. Bản ghi GenBank khác nhau và thống kê đổi theo mỗi bản phát hành. | ~100+ Gigabyte (có chất lượng) | Văn bản phong phú đa gigabyte | ~50 Megabyte |
Các dạng hỏng thường gặp và hướng dẫn khôi phục bằng mã hex
Công cụ sinh học thông tin báo lỗi 'Ký tự trình tự không hợp lệ tại dòng X'.
Nguyên nhân gốc rễ: Khoảng trắng, số hoặc ký tự không phải IUPAC bên trong các dòng trình tự.
Khắc phục: Lọc và làm sạch các ký tự trình tự bằng File2File.app Bioinformatics Tool.
Phân tích bảo mật và các đường tấn công nhằm vào bộ phân tích cú pháp
Các công cụ di truyền học phân tích cú pháp các tệp FASTA đa gigabyte khổng lồ, nơi tình trạng tràn số nguyên có thể xảy ra khi lập chỉ mục tọa độ trình tự.
Các véc-tơ tấn công đã biết
- Tràn số nguyên trong trình lập chỉ mục trình tự 32-bit (FAI) khi vượt quá 2^31 cặp bazơ.
- Tràn bộ đệm khi đọc tiêu đề mã định danh trình tự quá dài.
- Tấn công từ chối dịch vụ thông qua các truy vấn căn chỉnh bất thường.
Biện pháp phòng thủ tốt nhất: Sử dụng các loại tọa độ 64-bit và áp dụng việc xác thực độ dài tiêu đề tối đa.
Nguồn gốc lịch sử và các cột mốc
Ưu điểm & Lợi ích chính
- Tiêu chuẩn toàn cầu không thể tranh cãi của sinh học tính toán: được sử dụng bởi mọi công cụ bộ gen, máy giải trình tự và cơ sở dữ liệu trên Trái đất.
- Độ đơn giản cực độ: dòng 1 bắt đầu bằng '>' theo sau là mã định danh, tiếp theo là các chữ cái di truyền dạng văn bản thuần túy.
- Dung lượng đa trình tự: một tệp duy nhất có thể chứa hàng nghìn gen riêng lẻ hoặc bộ gen virus hoàn chỉnh.
Hạn chế & Nhược điểm kỹ thuật
- Không chứa điểm chất lượng giải trình tự (không giống như FASTQ, lưu trữ điểm tin cậy Phred trên mỗi cơ sở).
- Không có cú pháp siêu dữ liệu chuẩn hóa cho các dòng tiêu đề ngoài mã định danh ban đầu.
- Dung lượng lưu trữ khổng lồ cho các tập dữ liệu toàn bộ bộ gen nếu không có Gzip hoặc nén gen chuyên dụng.
Thông tin kỹ thuật thú vị
- FASTA là định dạng văn bản phổ biến cho trình tự; kích thước tùy dữ liệu và cách định dạng. Bản ghi GenBank khác nhau và thống kê đổi theo mỗi bản phát hành.
- Bốn chữ cái trong trình tự DNA lưu ở tệp FASTA là A (adenin), C (cytosin), G (guanin) và T (thymin).
- Khi bộ gen virus corona COVID-19 được giải trình tự lần đầu tiên vào tháng 1 năm 2020, các nhà khoa học đã chia sẻ nó trên toàn cầu dưới dạng tệp FASTA 30.000 ký tự.
Các câu hỏi kỹ thuật thường gặp
Tệp FASTA là gì?
Tệp FASTA là một tệp văn bản thuần túy được sử dụng trong sinh học để lưu trữ các trình tự DNA, RNA hoặc protein bằng các chữ cái viết tắt.
Sự khác biệt giữa FASTA và FASTQ là gì?
FASTA chỉ lưu trữ các chữ cái trình tự di truyền, trong khi FASTQ lưu trữ cả các chữ cái và điểm chất lượng độ chính xác của trình tự cho từng base.
Làm thế nào để xem tệp FASTA?
Bạn có thể mở tệp FASTA trong bất kỳ trình soạn thảo văn bản nào, xem chúng trong phần mềm tin sinh học như Jalview hoặc UGENE, hoặc chuyển đổi chúng bằng File2File.app.
Các cặp chuyển đổi FASTA liên quan
Trình chuyển đổi đổi trình tự FASTA thành bản ghi kiểu GenBank cơ bản và ghi trình tự vào phần ORIGIN; công cụ không suy đoán hoặc thêm chú giải đặc điểm sinh học.
Chuyển tệp GenBank dạng phẳng sang chuỗi FASTA, loại bỏ siêu dữ liệu chú thích để chỉ giữ lại chuỗi nucleotide hoặc axit amin thô cần cho phân tích tin sinh học nhanh.