형식의 차이
- FASTA는 >로 시작하는 제목 줄과 그 뒤의 서열만 있는 형식입니다. 거의 모든 프로그램이 읽을 수 있습니다.
- GenBank는 NCBI 엔트리로, 헤더, 유전자 등의 위치를 적은 FEATURES 표, ORIGIN 뒤의 서열로 되어 있고 마지막이 //입니다.
- EMBL은 ENA 엔트리로, 같은 정보를 줄마다 앞에 붙은 두 글자 코드와 함께 담고 있으며, 서열은 SQ 뒤에 있습니다.
서열 전체 변환하기
- GenBank·EMBL → FASTA 변환을 엽니다.
- 엔트리를 붙여 넣습니다. 여러 개를 이어서 붙여 넣어도 됩니다.
- FASTA를 복사하거나 내려받습니다. 액세션 번호와 설명이 제목 줄이 됩니다.
유전자 하나 꺼내기
유전체 엔트리에는 피처가 수천 개 들어 있을 수 있습니다. GenBank 피처 추출은 고른 CDS, gene, rRNA 등 피처의 DNA를 각각 따로 FASTA 엔트리로 씁니다. 엑손으로 나뉜 유전자의 join()이나 반대 가닥에 있는 유전자의 complement()도 따르므로, 서열은 올바른 순서와 방향으로 나옵니다.
단백질 얻기
암호화 서열의 단백질은 보통 엔트리의 /translation 수식어에 이미 적혀 있습니다. GenBank 번역 추출은 다시 번역하지 않고 그 단백질들을 FASTA로 나열합니다.
무엇이 바뀌나
GenBank 레코드에서 서열은 ORIGIN 뒤에 10염기씩 번호가 붙은 블록으로 저장됩니다.
ORIGIN
1 atggtgagca agggcgagga gctgttcacc ggggtggtgc
//FASTA에서는 번호와 공백이 빠지고, 염기가 제목 줄 아래에 한 줄로 이어집니다.
>레코드 제목
atggtgagcaagggcgaggagctgttcaccggggtggtgc흔한 문제
- 소문자. GenBank는 염기를 소문자로 씁니다. 대부분의 프로그램은 상관하지 않지만, 일부 유전체 도구는 소문자를 "마스킹된" 반복 서열로 취급합니다. 프로그램이 요구하면 대문자로 바꾸세요.
- 부분 피처.
<1..>500같은 위치는 유전자가 레코드 끝을 넘어 이어진다는 뜻이므로, 추출한 서열은 불완전합니다. - 여러 레코드를 이어 붙인 경우. //로 끝나는 레코드마다 별도의 FASTA 항목이 됩니다. //가 하나 빠지면 두 레코드가 하나로 합쳐집니다.