FASTA格式由威廉·皮尔森（William Raymond Pearson）和戴维·吉布森（David J. Gibson）开发，最初用于序列比对软件BLAST。BLAST是用于比对两个或多个序列的软件，它是生物信息学领域最常用的软件之一。
在开发BLAST之前，序列比对通常使用手动方法进行。这是一个非常耗时和费力的过程。FASTA格式的开发简化了序列比对的过程，使其成为一种更有效的方法。
FASTA格式的组成
由以下两部分组成：
- 序列名称行：以“>”字符开头，后跟序列的名称和注释。
- 序列行：
- 核酸：以“A”、“C”、“G”、“T”或“N”字符表示。
- 氨基酸：以“A”、“R”、“N”、“D”、“C”、“Q”、“E”、“G”、“H”、“I”、“L”、“K”、“M”、“F”、“P”、“S”、“T”、“W”、“Y”或“V”字符表示。
示例：
>Ctg135
ACCCGCAGGGAACAAGAATTGCGCAAAAGTGACACCTACGTCACAACTAA核苷酸对照表：
| 字母 | 含义 |
|---|---|
| A | 腺嘌呤 |
| C | 胞嘧啶 |
| G | 鸟嘌呤 |
| T | 胸腺嘧啶 |
| N | 未知碱基 |
氨基酸对照表：
| 字母 | 含义 |
|---|---|
| A | 丙氨酸 |
| R | 精氨酸 |
| N | 缬氨酸 |
| D | 天冬氨酸 |
| C | 半胱氨酸 |
| Q | 谷氨酸 |
| E | 谷氨酰胺 |
| G | 甘氨酸 |
| H | 组氨酸 |
| I | 异亮氨酸 |
| L | 亮氨酸 |
| K | 赖氨酸 |
| M | 甲硫氨酸 |
| F | 苯丙氨酸 |
| P | 脯氨酸 |
| S | 丝氨酸 |
| T | 苏氨酸 |
| W | 色氨酸 |
| Y | 酪氨酸 |
| V | 缬氨酸 |
FASTA格式具有以下优点：
- 格式简单，易于理解和使用。
- 可以直接用记事本打开，方便编辑。
多个FASTA格式的序列聚合在一个文件时，通常使文件变得很大，分析会占用大量的内存。因此，推荐时把大文件拆解成小文件，每个文件一条序列，即每次处理一条序列。
直接将下列代码复制到RStudio中（需要联网状态），然后根据提示选择FASTA文件即可。
source("https://dataholdcn.cn/R/GBIT/GBIT.R") # 导入分析框架
GBIT.splitFasta() # 将FASTA文件按照序列分开
若在使用中发现BUG，请及时告知，非常感谢！
发表评论