Como converter GenBank para FASTA

Os formatos

• FASTA é uma linha de título que começa com >, seguida da sequência. Quase todo programa lê.
• GenBank, os registros do NCBI, têm um cabeçalho, uma tabela FEATURES que descreve os genes e outras partes, e a sequência depois de ORIGIN, com // no final.
• EMBL, os registros do ENA, trazem a mesma informação com um código de duas letras no início de cada linha e a sequência depois de SQ.

Converter a sequência inteira

1. Abra GenBank para FASTA, ou EMBL para FASTA para arquivos EMBL.
2. Cole o registro, ou vários em seguida.
3. Copie ou baixe o FASTA. O número de acesso e a descrição viram a linha de título.

Tirar um único gene

Um registro de genoma pode ter milhares de features. O Extrator de features GenBank escreve o DNA de cada CDS, gene, rRNA ou outro tipo de feature que você escolher como uma entrada FASTA própria. Ele segue join() nos genes divididos em éxons e complement() nos genes da outra fita, então a sequência sai na ordem e na orientação certas.

Obter a proteína

Nas sequências codificadoras, a proteína geralmente já está escrita no registro, no qualificador /translation. O Extrator de traduções GenBank lista essas proteínas em FASTA sem traduzir nada de novo.