GenBank in FASTA umwandeln

Die Formate

• FASTA ist eine Titelzeile, die mit > beginnt, gefolgt von der Sequenz. Fast jedes Programm liest es.
• GenBank-Einträge vom NCBI haben einen Kopf, eine FEATURES-Tabelle mit Genen und anderen Abschnitten und die Sequenz nach ORIGIN, am Ende //.
• EMBL-Einträge vom ENA enthalten dieselben Angaben mit einem Code aus zwei Buchstaben am Anfang jeder Zeile und der Sequenz nach SQ.

Die ganze Sequenz umwandeln

1. GenBank und EMBL zu FASTA öffnen.
2. Den Eintrag einfügen, gern auch mehrere hintereinander.
3. Das FASTA kopieren oder herunterladen. Accession und Beschreibung werden zur Titelzeile.

Ein einzelnes Gen herausziehen

Ein Genomeintrag kann Tausende Features enthalten. Der GenBank-Feature-Extraktor schreibt die DNA jedes CDS, Gens, rRNA oder anderen gewählten Feature-Typs als eigenen FASTA-Eintrag. Er folgt join() bei Genen aus mehreren Exons und complement() bei Genen auf dem Gegenstrang, sodass die Sequenz in richtiger Reihenfolge und Orientierung herauskommt.

Das Protein

Bei kodierenden Sequenzen steht das Protein meist schon im Eintrag, im Qualifier /translation. Der GenBank-Translation-Extraktor listet diese Proteine als FASTA, ohne etwas neu zu übersetzen.

Was sich ändert

In einem GenBank-Eintrag steht die Sequenz nach ORIGIN in nummerierten Blöcken zu zehn Basen:

ORIGIN
        1 atggtgagca agggcgagga gctgttcacc ggggtggtgc
//

In FASTA fallen Zahlen und Leerzeichen weg, und die Basen werden unter einer Titelzeile zu einer Zeichenkette verbunden:

>Titel des Eintrags
atggtgagcaagggcgaggagctgttcaccggggtggtgc

Häufige Probleme

• Kleinbuchstaben. GenBank schreibt Basen klein. Die meisten Programme ignorieren das, aber manche Genomwerkzeuge werten Kleinbuchstaben als „maskierte“ Wiederholungen. Wandle in Großbuchstaben um, wenn ein Programm das verlangt.
• Unvollständige Features. Eine Position wie <1..>500 bedeutet, dass das Gen über die Enden des Eintrags hinausgeht; die extrahierte Sequenz ist also unvollständig.
• Mehrere Einträge zusammenkopiert. Jeder Eintrag, der mit // endet, wird ein eigener FASTA-Eintrag. Fehlt ein //, verschmelzen zwei Einträge zu einem.