Konvertera DNA-sekvenser till FASTA-format – enkel steg-för-steg-guide

Ett vanligt delmål inom medicinsk forskning är att identifiera fel, så kallade mutationer, i DNA-sekvenser som kan ligga bakom genetiska sjukdomar. Framsteg inom teknik och datavetenskap har drivit den genetiska forskningen till en nivå där tusentals sekvensposter kan analyseras samtidigt. Många moderna analysprogram ställer dock ett krav: sekvensdata måste först konverteras till FASTA-format.

FASTA liknar ett enkelt textformat och gör det möjligt att samla flera dataposter i en och samma fil, vilket påskynder och effektiviserar analysen. De flesta sekvenseringsinstrument genererar dock sina resultatfiler i vanligt textformat. Det positiva är att konverteringen från text till FASTA är en enkel process som endast kräver ett textredigeringsprogram.

Det här behöver du

• Dator
• Textredigeringsprogram

Så här gör du – steg för steg

1. Öppna sekvensfilen

Öppna den aktuella DNA-sekvenstextfilen i ett textredigeringsprogram. På Mac används TextEditor och på Windows-system Anteckningar. Observera att originalfilerna ibland har andra filändelser, till exempel .seq för data som genererats på en automatiserad genetisk analysator från Applied Biosystems.

2. Skapa en sekvensidentifierare

Börja första raden med att skriva tecknet > följt av en sekvensidentifierare. Symbolen "större än" signalerar till analysprogrammen att filen är i FASTA-format. Det finns inga strikta regler för hur identifieraren ska utformas, så länge den inte innehåller mellanslag. Ett exempel på en godkänd första rad är >Cat_Isomerase_Exon3.

3. Skapa en radbrytning

Tryck på Enter-tangenten för att skapa en radbrytning och placera markören på andra raden.

4. Mata in sekvensdata

Påbörja själva sekvensdatan på rad två. Enligt FASTA-formatets riktlinjer ska DNA-texten följa koderna från International Union of Pure and Applied Chemistry (IUPAC). Varje rad är begränsad till 80 tecken, vilket motsvarar 80 DNA-baser, och får skrivas med antingen versaler eller gemener. Ett godkänt exempel med blandade baser är AGCTTCGTGG...CVTGCGTTGT.

5. Fortsätt rad för rad

Tryck på Enter för att påbörja nästa rad med sekvensdata. Fortsätt på samma sätt tills hela sekvensen är inmatad – varje rad bör bestå av högst 80 baser enligt IUPAC-koden.

6. Spara filen i rätt format

Spara filen med filändelsen .txt eller, ännu bättre, med en specifik FASTA-ändelse. Program som bearbetar FASTA-formaterad data kräver ofta ändelser som .fsa, .fna, .ffn eller .frn beroende på vilken typ av sekvens det gäller.

När filen är sparad i korrekt FASTA-format kan den laddas upp i de flesta bioinformatiska verktyg och analysplattformar, vilket ger dig en smidig grund för vidare genetisk analys.