fasta format

在生物信息学中，FASTA格式是用来记录核酸序列或者肽序列的文本格式，其中的核酸或氨酸均以单个字母编码呈现。

格式

FASTA格式中的一条完整序列，包含开头的单个名称描述行和多个序列数据行。每一行字符数通常不超过80字符。

描述行

行首以>开头，用于和数据行区分。>后面为序列标识符，该行剩余部分为描述部分。 序列标识符SeqID在NCBI FASTA定义的行的格式：

数据库	格式
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

数据行

序列可以表示蛋白质序列或者核酸序列，以标准的IUB/IUPAC氨酸和核酸编码表达：

• 核酸编码：
  • A 腺嘌呤(Adenine)
  • C 胞嘧啶(Cytosine)
  • G 鸟嘌呤(Guanine)
  • T 胸腺嘧啶(Thymine)
  • U 尿嘧啶（Uracil)
  • R 嘌呤(puRine)即A、G
  • Y 嘧啶(pYrimidines)即C、T、U
  • K 酮基(Kntones) 即G、T、U
  • M 氨基(aMino) 即A、C
  • S 强(Strong)结合力 即C、G
  • W 弱(Weak)结合力 即A、T、U
  • B 非A（如C、G、T、U)(A后边为B)
  • D 非C (如A、G、T、U)(C后边为D)
  • H 非G (如A、C、T、U)(G后边为H)
  • V 非T非U(如A、C、G)(U后边为V)
  • N 即A、C、G、T、U (任意核酸Nucleic acid)
  • - 不定长度空白占位符
• 氨酸编码：
  • A 丙氨酸（Alanine）
  • B 天冬氨酸（Aspartic acid，D）或天冬酰胺（Asparagine，N）
  • C 半胱氨酸（Cysteine）
  • D 天冬氨酸（Aspartic acid）
  • E 谷氨酸（Glutamic acid）
  • F 苯丙氨酸（Phenylalanine）
  • G 甘氨酸（Glycine）
  • H 组氨酸（Histidine）
  • I 异亮氨酸（Isoleucine）
  • J 亮氨酸（Leucine，L）或异亮氨酸（Isoleucine，I）
  • K 赖氨酸（Lysine）
  • L 亮氨酸（Leucine）
  • M 甲硫氨酸（Methionine）
  • N 天冬酰胺（Asparagine）
  • O 吡咯赖氨酸（Pyrrolysine）
  • P 脯氨酸（Proline
  • Q 谷氨酰胺（Glutamine）
  • R 精氨酸（Arginine）
  • S 丝氨酸（Serine）
  • T 苏氨酸（Threonine）
  • U 硒半胱氨酸（Selenocysteine
  • V 缬氨酸（Valine）
  • W 色氨酸（Tryptophan）
  • Y 酪氨酸（Tyrosine）
  • Z 谷氨酸（Glutamic acid，E）或谷氨酰胺（Glutamine，Q）
  • X 任意
  • * 翻译终止
  • - 不定长度空白占位符

扩展名

扩展名	含义	备注
fasta (.fas)	普通FASTA	任意普通的FASTA文件；此类扩展名还有fa、seq、fsa
fna	核酸FASTA	普遍用于表示核酸序列的FASTA文件
ffn	核酸编码区FASTA	包含基因组编码区的FASTA文件
faa	氨酸FASTA	包含表示氨酸序列的FASTA文件。含有多种蛋白质序列的FASTA文件还可使用更具体的mpfa扩展名
frn	非编码RNA FASTA	包含以DNA字母编码表示的基因组非编码RNA区（如tRNA、rRNA）的FASTA文件