Cara Mengonversi GenBank ke FASTA

Formatnya

• FASTA berupa satu baris judul yang diawali >, diikuti sekuensnya. Hampir semua program bisa membacanya.
• GenBank, entri dari NCBI, berisi kepala, tabel FEATURES yang menjelaskan gen dan bagian lain, serta sekuens setelah ORIGIN, diakhiri //.
• EMBL, entri dari ENA, berisi informasi yang sama dengan kode dua huruf di awal setiap baris dan sekuens setelah SQ.

Mengonversi seluruh sekuens

1. Buka GenBank dan EMBL ke FASTA.
2. Tempel entrinya, atau beberapa entri berurutan.
3. Salin atau unduh FASTA-nya. Nomor aksesi dan deskripsi menjadi baris judul.

Mengambil satu gen

Satu entri genom bisa berisi ribuan fitur. Ekstraktor Fitur GenBank menuliskan DNA setiap CDS, gen, rRNA, atau jenis fitur lain yang Anda pilih sebagai entri FASTA tersendiri. Alat ini mengikuti join() untuk gen yang terbagi menjadi ekson dan complement() untuk gen di untai seberang, sehingga sekuensnya keluar dengan urutan dan orientasi yang benar.

Mendapatkan proteinnya

Untuk sekuens pengode, proteinnya biasanya sudah tertulis di entri, pada kualifier /translation. Ekstraktor Translasi GenBank mendaftar protein tersebut sebagai FASTA tanpa mentranslasi ulang.

Apa yang berubah

Dalam entri GenBank, sekuens disimpan setelah ORIGIN dalam blok bernomor berisi sepuluh basa:

ORIGIN
        1 atggtgagca agggcgagga gctgttcacc ggggtggtgc
//

Dalam FASTA, nomor dan spasi dihapus, dan basa digabung menjadi satu untaian di bawah baris judul:

>judul entri
atggtgagcaagggcgaggagctgttcaccggggtggtgc

Masalah umum

• Huruf kecil. GenBank menulis basa dengan huruf kecil. Kebanyakan program mengabaikannya, tetapi beberapa alat genom menganggap huruf kecil sebagai pengulangan yang "di-mask". Ubah ke huruf besar jika program memintanya.
• Fitur parsial. Lokasi seperti <1..>500 berarti gen berlanjut melewati ujung entri, jadi sekuens yang diambil tidak lengkap.
• Beberapa entri tertempel jadi satu. Setiap entri yang diakhiri // menjadi entri FASTA sendiri. Jika satu // hilang, dua entri menyatu.