FASTA序列格式详细说明
2015-12-14 15:54
519 查看
fasta序列格式是blast组织数据的基本格式,无论是数据库还是查询序列,大多数情况都使用fasta序列格式,所以首先对fasta格式在做详细说明。下面是一个来源于NCBI的fasta格式序列:
对于自己构建的序列数据库(序列不是来源与NCBI或其他数据),可以采用“gnl|database|identifier”或者“lcl|identifier”格式,以保证可以使用blast的所有功能。database或者identifier是需要指定的数据库的标识和序列标识,指定的名称可以用大小写字母、数字、下划线“_”、破折号“-”或者点号“.”。注意名称是区分大小写的,同时不能出现空格,空格表示序列标识符结束。数据库中的序列标识符必须保证唯一,许多时候格式数据库是formatdb报告错误,就是因为标示符重复,还有一点需要强调的是序列不能为空,否则也会报错。下面是一个例子,这四个序列的标识符都是唯一。gnl|H.sapiens|seq1
gnl|H.sapiens|seq2
gnl|M.Mus|seq1
lcl|seq1
eg1:
>gi|156623022|dbj|AB006912.1| Bombyx mori T15.180a gene for sex-linked proline rich protein, partial cds>gi|149243361|pdb|2PQU|G Chain G, Crystal Structure Of Kh1 Domain Of Human Pcbp2 Complexed To Single-Stranded 12-Mer Telomeric Dna转自:http://boyun.sh.cn/bio/?p=1192
>gi|187608668|ref|NM_001043364.2| Bombyx mori moricin (Mor), mRNA AAACCGCGCAGTTATTTAAAATATGAATATTTTAAAACTTTTCTTTGTTTTTA TTGTGGCAATGTCTCTGGTGTCATGTAGTACAGCCGCTCCAGCAAAAATACCT ATCAAGGCCATTAAGACTGTAGGAAAGGCAGTCGGTAAAGGTCTAAGAGCCAT CAATATCGCCAGTACAGCCAACGATGTTTTCAATTTCTTGAAACCGAAGAAAA GAAAGCATTAAGAAAAGAAATTGAGTGAATGGTATTAGATATATTACTAAAGG ATCGATCACAATGATATATAGATAGGTCATAGATGTCAACGTGAATTTATGGA TTTTTGTTTTCCCCTTTGTAGTACTTACTTATAGTCAGTTCTTAAATTGATTG CAACGACAACTGTGTACTATTTTTTATATTTGGTTCGAAAAGTTGCATTATTA ACGATTTTAGAAAATAAAACTACTTTACTTTTACACGFasta格式首先以大于号“>”开头,接着是序列的标识符“gi|187608668|ref|NM_001043364.2|”,然后是序列的描述信息。换行后是序列信息,序列中允许空格,换行,空行,直到下一个大于号,表示该序列的结束。所有来源于NCBI的序列都有一个gi号“gi|gi_identifier”,gi号类似与数据库中的流水号,由数字组成,具有绝对唯一性。一条核酸或者蛋白质改变了,将赋予一个新的gi号(这时序列的接收号可能不变)。gi号后面是序列的标识符,下表是来源于不同数据库的标识符的说明。标识符由序列来源标识、序列标识(如接收号、名称等)等几部分组成,他们之间用“|”隔开,如果某项缺失,可以留空但是“|”不能省略。如上例中标识符为“ref|NM_001043364.2|”,表示序列来源于NCBI的参考序列库,接收号为“NM_001043364.2”。表:序列来源的数据库与对应的标识符
Database Name数据库名称 | Identifier Syntax 标识符 |
GenBank | gb|accession|locus |
EMBL Data Library | emb|accession|locus |
DDBJ, DNA Database of Japan | dbj|accession|locus |
NBRF PIR | pir||entry |
Protein Research Foundation | prf||name |
SWISS-PROT | sp|accession|entry name |
Brookhaven Protein Data Bank | pdb|entry|chain |
Patents | pat|country|number |
GenInfo Backbone Id | bbs|number |
General database identifier | gnl|database|identifier |
NCBI Reference Sequence | ref|accession|locus |
Local Sequence identifier | lcl|identifier |
gnl|H.sapiens|seq2
gnl|M.Mus|seq1
lcl|seq1
eg1:
>gi|156623022|dbj|AB006912.1| Bombyx mori T15.180a gene for sex-linked proline rich protein, partial cds>gi|149243361|pdb|2PQU|G Chain G, Crystal Structure Of Kh1 Domain Of Human Pcbp2 Complexed To Single-Stranded 12-Mer Telomeric Dna转自:http://boyun.sh.cn/bio/?p=1192
相关文章推荐
- Oracle创建自增字段--ORACLE SEQUENCE的简单使用介绍
- Hibernate Oracle sequence的使用技巧
- Oracle中使用触发器(trigger)和序列(sequence)模拟实现自增列实例
- Invalid byte 1 of 1-byte UTF-8 sequence终极解决方案
- TCP报文格式讲解
- oracle job 介绍
- 诡异的ORA-02289: sequence does not exist
- System Boot Sequence
- 数据库挖掘领域的十大挑战
- userenv和sys_context函数
- oracle的sequence的使用
- ibatis中selectkey的使用
- ORACLE SEQUENCE用法
- 0x80091007 (The hash value is not correct) error when trying to deploy Windows 7 with SCCM OSD
- SCCM OSD 0x80040102
- 基于Chukwa Sequence File的MapReduce
- hdu 5312 Sequence
- Oracle中sequence的用法
- oracle中的sequence的概念及作用
- USACO 2.1 Sorting A Three-Valued Sequence