FASTAformaat

FASTAformaat, of FASTA, is een eenvoudig tekstgebaseerd formaat voor het opslaan van biologische sequenties, zoals nukleotidenreeksen of aminozuurreeksen. Het is sinds de jaren tachtig wijdverspreid in de bioinformatica vanwege de eenvoudige structuur, de leesbaarheid en de brede ondersteuning door databanken en analysetools zoals BLAST en diverse aligners. Een FASTA-bestand kan uit meerdere records bestaan, elk met één sequentie.

De structuur van FASTA is eenvoudig maar strikt. Elk record begint met een headerregel die begint met het teken >. De rest van de regel bevat een identificator en optioneel een beschrijving, bijvoorbeeld een accession-nummer gevolgd door menselijke informatie. De regels daaronder bevatten de sequentie als opeenvolgende letters. Voor nucleotiden worden meestal A, C, G en T (of U voor RNA) gebruikt, met vaak N als onbekende base; voor eiwitten worden de één-letter aminozuurcodes toegepast. In ruwe FASTA-sequenties komen doorgaans geen spaties of andere tekens voor; bij sommige toepassingen zoals bij uitlijningen kunnen wel gaps voorkomen, maar die zijn onderdeel van andere representaties.

FASTA-bestanden kunnen meerdere records bevatten en zijn puur platte tekst. Er is geen officiële strengheid over lengte van de regels, maar de regels worden vaak op 60 tot 80 karakters gehouden voor leesbaarheid. De format is compatible met vele programmeertalen en pipelines en blijft een de facto standaard voor het uitwisselen van sequentiegegevens.

Een kort voorbeeld van een FASTA-entry:

>seq1 voorbeeld

ATGCGTACGTTAGC

CGTACGTTAGC