FASTA Format

FASTA 是一種用於儲存核酸或蛋白質序列的純文字格式，廣泛應用於生物資訊分析中，適合用來儲存參考基因組、蛋白質序列、轉錄本等。

---

一、FASTA 結構說明

FASTA 格式由多筆記錄組成，每筆記錄包含兩個基本部分：

1. 標頭行（Header line）：

   • 以 > 字元開頭

   • 接續為序列識別碼（ID）與選擇性註解

   • 範例：

     >chr1 Homo sapiens chromosome 1

2. 序列內容（Sequence lines）：

   • 可跨多行呈現，每行通常限制在 60～80 個字元內

   • 僅包含字母（A/T/C/G/U/N 對於核酸；20 種標準胺基酸對於蛋白質）

   • 範例：

     ATGCGTACGTAGCTAGCTAGCTAGCTAGCTA
     GTAGCTAGCTGACTGACTGATCGTACTGATC

---

二、常見用途

• 參考基因組檔案（如 human_g1k_v37.fasta）

• 蛋白質資料庫（如 UniProt、NR）

• 轉錄體組裝結果（如 Trinity.fasta）

• 特定基因序列輸入於比對工具（如 BLAST、BWA）

---

三、FASTA 命名規範

雖無嚴格標準，但為利下游工具識別，建議：

• 標頭行只含英文與底線，避免空格與特殊符號

• 使用一致命名方式，例如：

  >geneA_transcript1
  >contig_00001
  >protein_XYZ

---

四、FASTA 與其他格式區別

格式	是否含品質分數	是否可儲存對齊結果	是否支援多筆序列	常見用途
FASTA	否	否	是	序列儲存與查詢
FASTQ	是	否	是	原始讀段儲存與品質評估
SAM/BAM	否	是	否（每列一筆對齊）	對齊結果記錄

---

FASTA 格式簡單易讀，是生物資訊資料交換中最基礎的格式之一，建議掌握其結構並善用於序列比對、註解、資料儲存等場景。