Русская Википедия:FASTA

Материал из Онлайн справочника
Перейти к навигацииПерейти к поиску

Шаблон:Файловый формат FASTA — текстовый формат для нуклеотидных или полипептидных последовательностей, в котором нуклеотиды или аминокислоты обозначаются при помощи однобуквенных кодовШаблон:Переход. Из-за своей простоты и практичности в настоящее время используется большинством программ работы с биологическими последовательностямиШаблон:Переход. Файлы данного формата могут содержать названия последовательностей, их идентификаторыШаблон:Переход в базах данных и комментарии. В зависимости от природы содержащихся в нем биологических последовательностей файл формата FASTA может иметь различные расширенияШаблон:Переход.

История и распространение

Формат придуман Шаблон:Iw и Шаблон:Iw[1][2] в 1985 году для Шаблон:Iw, предназначенной для поиска в больших базах последовательностей, гомологичных данной. Первичное описание формата было произведено ими в документации этой программы, а сейчас его описание является частью документации программы BLAST[3].

Простота FASTA-формата позволяет легко осуществлять различные действия с последовательностями при помощи инструментов редактирования текста и скриптовых языков программирования, таких как Python[4], Ruby[5], Perl[6], Java[7].

Форматы FASTA и FASTQ (Sanger Institute) наиболее популярны для представления данных о биологических последовательностях[8]. Существуют также другие форматы, в том числе используемые в банках данных GenBank[9], EMBL[10] и UniProt[11].

Формат

Последовательности в формате FASTA начинаются с однострочного описания, за которым следуют строки, содержащие собственно последовательность. Описание отмечается символом «больше» («>») в первой колонке. Слово за этим символом и до первого пробела является идентификатором последовательностиШаблон:Переход, далее следует опциональное описание. Следующие несколько строк могут иметь первым символом точку с запятой («;»), и тогда они будут восприниматься как комментарии. На данный момент многие базы данных и программы не распознают комментарии, поэтому они мало распространены. Дальше следуют строки, содержащие собственно биологические последовательности. Обычно строки в формате FASTA ограничены длиной от 80 до 120 символов (по историческим причинам), но современные программы распознают последовательности, записанные полностью в одну строку. В один файл могут быть записаны несколько последовательностей, таким образом получается мульти-FASTA файл, однако перед каждой последовательностью должен стоять свой идентификатор[12]. Пример одной последовательности в формате FASTA:[13] 

   >gi|31563518|ref|NP_852610.1| microtubule-associated proteins 1A/1B light chain 3A isoform b [Homo sapiens]
   MKMRFFSSPCGKAAVDPADRCKEVQQIRDQHPSKIPVIIERYKGEKQLPVLDKTKFLVPDHVNMSELVKI
   IRRRLQLNPTQAFFLLVNQHSMVSVSTPIADIYEQEKDEDGFLYMVYASQETFGFIRENE

Идентификатором этой последовательности является gi|31563518|ref|NP_852610.1|.

Последовательности записываются в виде однобуквенных кодов нуклеотидов или аминокислот, совпадающих с их стандартными однобуквенными обозначениями, принятыми Шаблон:Нп5/ИЮПАК, в порядке от 5'- к 3'-концу для нуклеиновых кислот и от N- к С-концу для аминокислот, в них допускаются пробелы, символы могут быть как в верхнем, так и в нижнем регистре. Числа, служебные символы конца строки и табуляции игнорируются программами работы с последовательностями[3].

Нуклеиновые кислоты обозначаются[14]:

Код Значение Мнемоника
A A Adenine — Аденин
C C Cytosine — Цитозин
G G Guanine — Гуанин
T T Thymine — Тимин (5-метилурацил)
U U Uracil — Урацил
R A, G puRine — Пурины
Y C, T, U pYrimidines — Пиримидины
K G, T, U Кетоновые основания
M A, C Основания с аминогруппами (aMino)
S C, G Сильное (Strong) взаимодействие в комплементарной паре (три водородные связи)
W A, T, U Слабое (Weak) взаимодействие в комплементарной паре (две водородные связи)
B не A (то есть C, G, T или U) B идёт за A
D не C (то есть A, G, T или U) D идёт за C
H не G (A, C, T или U) H идёт за G
V не T и не U (A, C или G) V идёт за U
N A C G T U Любой (aNy) нуклеотид

Для аминокислот есть 22 обычных кода (канонические аминокислоты, селеноцистеин и пирролизин), 4 специальных (обозначения множеств аминокислот) и * для обозначения стоп-кодона (в формальных трансляциях генов)[15][16].

Код аминокислоты Значение
A Аланин
B Аспарагиновая кислота (D) или Аспарагин (N)
C Цистеин
D Аспарагиновая кислота
E Глутаминовая кислота
F Фенилаланин
G Глицин
H Гистидин
I Изолейцин
J Лейцин (L) или Изолейцин (I)
K Лизин
L Лейцин
M Метионин
N Аспарагин
O Пирролизин
P Пролин
Q Глутамин
R Аргинин
S Серин
T Треонин
U Селеноцистеин
V Валин
W Триптофан
Y Тирозин
Z Глутаминовая кислота (E) или Глутамин (Q)
X Любая аминокислота
* Терминация трансляции

Fasta-формат используется также для файлов, содержащих выравнивания биологических последовательностей. В этом случае в каждую последовательность в места, соответствующие позициям, не представленным в данной последовательности, вставляются символы «гэпов» (обычно это дефис или точка), в результате все последовательности в файле должны иметь одинаковую длину[17].

Идентификаторы последовательностей

Центр NCBI определил правила создания уникальных идентификаторов последовательностей (SeqID). В строку описания допускается вносить следующие варианты идентификаторов[18]:

Тип Формат(ы) Пример(ы)
Локальный (не отсылает к внешним базам данных) lcl|целое число

lcl|строка

lcl|123

lcl|hmm271

GenInfo идентификатор последовательности остова bbs|целое число bbs|123
GenInfo тип молекулы остова bbm|целое число bbm|123
GenInfo ID импорта gim|целое число gim|123
GenBank gb|код доступа|локус gb|M73307|AGMA13GT
EMBL emb|код доступа|локус emb|CAM43271.1|
PIR pir|код доступа|название pir||G36364
SWISS-PROT sp|код доступа|название sp|P01013|OVAX_CHICK
Патент pat|страна|патент|номер последовательности pat|US|RE33188|1
Патентная заявка pgp|страна|номер заявки|номер последовательности pgp|EP|0238993|7
RefSeq ref|код доступа|название ref|NM_010450.1|
Ссылка на базу данных не из этого списка gnl|база данных|целое число

gnl|база данных|строка

gnl|taxon|9606

gnl|PID|e1632

Интегрированная база данных GenInfo gi|целое число gi|21434723
DDBJ dbj|код доступа|локус dbj|BAC85684.1|
PRF prf|код доступа|название prf||0806162C
PDB pdb|запись|цепь pdb|1I4L|D
GenBank с аннотациями от третьих лиц tpg|код доступа|название tpg|BK003456|
EMBL с аннотациями от третьих лиц tpe|код доступа|название tpe|BN000123|
DDBJ с аннотациями от третьих лиц tpd|код доступа|название tpd|FAA00017|
TrEMBL tr|код доступа|название tr|Q90RT2|Q90RT2_9HIV1

Вертикальные чёрточки («|») в списке сверху являются не разделителями, а частью формата. Можно ставить идентификаторы подряд, разделяя их чертами. В случае, если какое-то из полей идентификатора оставлено пустым, для обеспечения совместимости с программами необходимо ставить две черты подряд[19].

Расширения файлов

Файлы формата fasta могут иметь различное расширение в зависимости от природы представленных в них биологических данных[20][21].

Расширение Значение Примечания
fasta Обычные данные fasta Любые данные fasta. Иногда также .fa, .seq, .fsa, .fas
fna аббр. от «fasta nucleic acid» Для описания нуклеотидных последовательностей.
ffn Кодирующие участки нуклеотидов Содержат кодирующие участки геномов.
faa аббр. от «fasta amino acid» Содержат аминокислотные последовательности. Используется расширение mpfa при хранении нескольких белков в одном файле.
frn Некодирующая РНК в формате FASTA Содержат некодирующие РНК в алфавите ДНК, например тРНК, рРНК
afa, mfa Выравнивание в формате FASTA (a от «alignment», m от «multiple») Содержат выравнивания биологических (нуклеотидных или аминокислотных) последовательностей

Примечания

Шаблон:Примечания

Ссылки

Шаблон:ВС Шаблон:Добротная статья

Партнерские ресурсы
Криптовалюты
Магазины
Хостинг
Разное

  1. ↑ Ошибка цитирования Неверный тег <ref>; для сносок origin не указан текст
  2. ↑ Шаблон:Cite doi
  3. ↑ 3,0 3,1 Шаблон:Cite web
  4. ↑ Шаблон:Статья
  5. ↑ Шаблон:Статья
  6. ↑ Шаблон:Статья
  7. ↑ Шаблон:Статья
  8. ↑ Шаблон:Cite web
  9. ↑ Шаблон:Cite web
  10. ↑ Шаблон:Cite web
  11. ↑ Шаблон:Cite web
  12. ↑ Шаблон:Cite web
  13. ↑ Шаблон:Статья
  14. ↑ : Шаблон:Cite web
  15. ↑ Шаблон:Cite web
  16. ↑ Шаблон:Cite doi
  17. ↑ Шаблон:Cite web
  18. ↑ Шаблон:Cite web
  19. ↑ Шаблон:Cite doi
  20. ↑ Шаблон:Книга
  21. ↑ Шаблон:Cite web
Источник — http://wikihandbk.com/ruwiki/index.php?title=Русская_Википедия:FASTA&oldid=8647799