FASTA (.fasta, .fa, .fna, .fsa, .mpfa)

背景

    • MIME 类型：chemical/seq-aa-fasta, chemical/seq-na-fasta
    • FASTA 分子生物学格式.
    • 用于存储和交换 DNA 和蛋白序列的标准格式.
    • 纯文本格式.
    • 把核酸或蛋白序列存储为字符串.
    • 使用各种常规代表元信息.
    • 由 William Pearson 和 David Lipman 于1988年开发，作为 FASTA 序列排比软件的一部分.

Import 与 Export

  • Import["file.fasta"] 从一个 FASTA 文件中导入 DNA 或蛋白质序列.
  • Export["file.fasta",expr] 把一个序列或序列列表导出至 FASTA 格式.
  • Import["file.fasta"] 返回一个代表存储在文件中的序列的字符串列表.
  • Export["file.fasta",str] 把一个代表 DNA 序列的字符字符串导出至 FASTA.
  • Export["file.fasta",{str1,str2,…}] 导出多个 DNA 序列.
  • Import["file.fasta",elem] 从一个 FASTA 文件中导入指定的参数.
  • Import["file.fasta",{elem,suba,subb,…}] 导入一个子参数.
  • Import["file.fasta",{{elem1,elem2,…}}] 导入多个参数.
  • 导入格式可以用 Import["file","FASTA"] 或 Import["file",{"FASTA",elem,…}] 指定.
  • Export["file.fasta",expr,elem] 通过把 expr 作为指定参数 elem 创建一个 FASTA 文件.
  • Export["file.fasta",{expr1,expr2,…},{{elem1,elem2,…}}] 把每一个 expri 指定为相应的 elemi.
  • Export["file.fasta",expr,opt1->val1,…] 导出具有指定值的指定选项参数的 expr.
  • Export["file.fasta",{elem1->expr1,elem2->expr2,…},"Rules"] 使用规则指定要导出的参数.
  • 请到以下参考页面了解完整的基本信息：
  • Import, Export从文件导入或导出到文件
    CloudImport, CloudExport从云对象导入或导出到云对象
    ImportString, ExportString从字符串导入或导出到字符串
    ImportByteArray, ExportByteArray从字节数组导入或导出到字节数组

导入参数

  • Import 的通用参数：
  • "Elements" 该文件可用的参数和选项列表
    "Summary"文件摘要
    "Rules"所有可用参数的规则列表
  • 表示数据的参数：
  • "Header"原始标头行
    "Sequence"字符串列表形式的 DNA 或蛋白序列
    "Plaintext"作为格式化文本的序列
  • 对于 FASTA 格式，默认情况下，Import 使用"Sequence"参数.
  • 其他数据参数：
  • "Data""Header"与"Sequence"参数组成的列表
    "LabeledData"用于每个存储在文件中的序列的规则列表
  • 标头行元信息：
  • "Accession"每个序列的 NCBI 登录号
    "Description"每个序列基因座描述文本
    "GenBankID"GenBank 数据库标识符
    "Length"整数列表，表示每个序列的长度
  • Wolfram 语言对核酸使用标准的 IUB/IUPAC 缩写：
  • A腺苷（adenosine）
    C胞苷（cytidine）
    G鸟嘌呤（guanine）
    T胸苷（thymidine）
    U尿嘧啶（uracil）
    R嘌呤（purine）（G 或 A）
    Y嘧啶（pyrimidine）（T 或 C）
    K酮（ketone）（G 或 T）
    M氨基酸组（amino group）（A 或 C）
    S强相互作用（strong interaction）（G 或 C）
    W弱相互作用（weak interaction）（A 或 T）
    BC 或 G 或 T
    DA 或 G 或 T
    HA 或 C 或 T
    VA 或 C 或 G
    N任何核酸（nucleic acid）（A 或 C 或 G 或 T）
    -不定长度的间距
  • 表示氨基酸的代码：
  • A丙氨酸（alanine）（Ala）
    B天门冬氨酸（aspartic acid）或天冬酰胺（ asparagine）
    C半胱氨酸（cysteine）（Cys）
    D天门冬氨酸（aspartic acid）（Asp）
    E谷氨酸（glutamic acid）（Glu）
    F苯丙氨酸（phenylalanine）（Phe）
    G甘氨酸（glycine）（Gly）
    H组氨酸（histidine）（His）
    I异亮氨酸（isoleucine）（Ile）
    K赖氨酸（lysine）（Lys）
    L亮氨酸（leucine）（Leu）
    M蛋氨酸（methionine）（Met）
    N天门冬酰胺（asparagine）（Asn）
    P脯氨酸（proline）（Pro）
    Q谷氨酰胺（glutamine）（Gln）
    R精氨酸（arginine）（Arg）
    S丝氨酸（serine）（Ser）
    T苏氨酸（threonine）（Thr）
    U硒代半胱氨酸（selenocysteine）
    V缬氨酸（valine）（Val）
    W色氨酸（tryptophan）（Trp）
    Y酪氨酸（tyrosine）（Tyr）
    Z谷氨酸（glutamic acid）或谷氨酰胺（glutamine）
    X任何氨基酸（amino acid）
    *翻译（translation）停止
    -不定长度的间距

选项

  • Import 选项：
  • "HeaderFormat"Automatic指定标头的格式
    "ToUpperCase"True是否使序列为大写
  • Import 使用 FASTA 格式的常见变体中标头格式规范中的大型内置库.
  • 通过把"HeaderFormat"设置为文字字符串列表和元信息参数名称，任何标头行格式可以在 Import 中指定.
  • "HeaderFormat"->{"gi|","DatabaseIndex","|gb|","Accession","|","Description"} 是 NCBI FASTA 文件的典型设置.
  • 高级的 Export 选项：
  • "LineWidth"70一行中的最大字符数
    "ToUpperCase"True是否使序列为大写

范例

基本范例  (7)

以下从一个样本 FASTA 文件中读取原始标头行：

提取登录号字符串：

解析 GenBank 数据库密钥以及标头行的描述字符串：

读取 DNA 序列的第一个字母：

把一个短序列转换成一个 FASTA 格式，自动增加默认标头信息：

以下导出两个序列：

以下导出一对标头和序列：

使用"Data"参数导入上面的输出，给出原始标头和序列：

导入为一个规则列表：