形式の違い
- FASTAは>で始まるタイトル行と、それに続く配列だけの形式です。ほぼすべてのソフトが読めます。
- GenBankはNCBIのエントリーで、ヘッダー、遺伝子などの部位を記述するFEATURES表、ORIGINの後の配列からなり、最後が//です。
- EMBLはENAのエントリーで、同じ情報を各行の先頭の2文字のコードとともに持ち、配列はSQの後にあります。
配列全体を変換する
- GenBank・EMBL → FASTA 変換を開きます。
- エントリーを貼り付けます。複数を続けて貼っても構いません。
- FASTAをコピーするかダウンロードします。アクセッション番号と説明がタイトル行になります。
遺伝子を1つ取り出す
ゲノムのエントリーには何千ものフィーチャーが含まれることがあります。GenBank フィーチャー抽出は、選んだCDS、gene、rRNAなどのフィーチャーのDNAを、それぞれ別のFASTAエントリーとして書き出します。エキソンに分かれた遺伝子のjoin()や、反対の鎖にある遺伝子のcomplement()にも従うので、配列は正しい順序と向きで出力されます。
タンパク質を得る
コード配列のタンパク質は、ふつうエントリーの/translation修飾子にすでに書かれています。GenBank 翻訳抽出は、翻訳し直さずにそれらのタンパク質をFASTAで一覧にします。
何が変わるか
GenBankのエントリでは、配列はORIGINの後に10塩基ずつ番号付きのブロックで書かれています。
ORIGIN
1 atggtgagca agggcgagga gctgttcacc ggggtggtgc
//FASTAでは番号と空白が消え、塩基がタイトル行の下で一続きになります。
>エントリのタイトル
atggtgagcaagggcgaggagctgttcaccggggtggtgcよくある問題
- 小文字。GenBankは塩基を小文字で書きます。多くのプログラムは気にしませんが、一部のゲノムツールは小文字を「マスク」された反復配列として扱います。必要なら大文字に変換してください。
- 部分的なフィーチャー。
<1..>500のような位置は、遺伝子がエントリの端より外まで続くことを示すので、取り出した配列は不完全です。 - 複数のエントリを続けて貼り付けた。//で終わるエントリごとに別のFASTAエントリになります。//が一つ欠けると、二つのエントリが一つにつながります。