FASTA
FASTA は、DNA の塩基配列とタンパク質のアミノ酸配列のシーケンスアラインメントを行うための、バイオインフォマティクスのソフトウェアパッケージである。
FASTA と同様にシーケンスアライメントを行うためのソフトウェアとして、BLAST なども知られる。
最初のバージョンは FASTP という名前であり、デヴィッド・J・リップマンとウィリアム・R・ピアスンが、1985年に開発して論文を発表した[1]。
当初はタンパク質のアミノ酸配列のシーケンスデータベースに対して、アミノ酸配列の類似性 (similarity) の検索を行うように設計された。FASTA の1988年のバージョンでは、DNAの塩基配列の類似性を検索する機能が加えられた[2]。FASTA は FASTP よりも精巧なアルゴリズムで処理を行い、統計上の有意性を評価する。FASTA ソフトウェアパッケージには、タンパク質のアミノ酸配列やDNAの塩基配列のアライメントを行うための、いくつかのプログラムが含まれている。
FASTA は、"FAST-Aye"（ファストエー）と発音する。FASTA は、"FAST-P"（Protein; タンパク質）アライメント と "FAST-N"（Nucleotide; ヌクレオチド）アライメント の総称である、"FAST-All" を意味している。
FASTA ソフトウェアパッケージの現在のバージョンでは、次のようなことができる。なお、シーケンスデータベースに与える検索のシーケンスをクエリーという。
- 塩基配列クエリーで塩基配列データベースを検索
- 塩基配列クエリーをアミノ酸配列に翻訳してアミノ酸配列データベースを検索
- アミノ酸配列クエリーでアミノ酸配列データベースを検索
- アミノ酸配列クエリーで塩基配列データベース（アミノ酸配列に翻訳）を検索
- 複数のペプチド（短いペプチド鎖）をクエリーとしてアミノ酸配列データベースを検索
フレームシフト突然変異を考慮した検索も可能である。Smith-Watermanアルゴリズムを実装した SSEARCH でのシーケンスデータベースの検索・比較をすることもできる（処理速度は遅くなる）。
FASTA ソフトウェアパッケージの主な用途は、類似性の精密な統計値を計算することである。類似性の統計値を計算することにより、生物学者は、どのアライメントが妥当性が高いかを判断することや、相同性 (homology) を推測することができる。
FASTA ソフトウェアパッケージは、ヴァージニア大学のFTPサーバから提供されている。
FASTAフォーマット
[編集]FASTA では、シーケンスデータの記述形式として FASTAフォーマットという形式を使う。FASTAフォーマットはプレーンテキストである。1つのシーケンスのデータは、">" で始まる1行のヘッダ行と、2行目以降の実際のシーケンス文字列で構成される。ヘッダ行では、">" の次にシーケンスデータを識別するための文字列を記述し、続けてそのシーケンスデータを説明する文字列を記述する（両方とも省略してよい）。ヘッダ行の ">" と識別文字列の間にスペースを入れてはいけない。FASTAフォーマットの全ての行は、80文字未満とすることが推奨される。">" で始まる別の行が出現すると、そこでシーケンスデータが区切られ、別のシーケンスデータが始まる。
FASTA ファイルフォーマットの例を示す。
>gi|5524211|gb|AAD44166.1| cytochrome b [Elephas maximus maximus] LCLYTHIGRNIYYGSYLYSETWNTGIMLLLITMATAFMGYVLPWGQMSFWGATVITNLFSAIPYIGTNLV EWIWGGFSVDKATLNRFFAFHFILPFTMVALAGVHLTFLHETGSNNPLGLTSDSDKIPFHPYYTIKDFLG LLILILLLLLLALLSPDMLGDPDNHMPADPLNTPLHIKPEWYFLFAYAILRSVPNKLGGVLALFLSIVIL GLMPFLHTSKHRSMMLRPLSQALFWTLTMDLLTLTWIGSQPVEYPYTIIGQMASILYFSIILAFLPIAGX IENY
FASTAフォーマットでは、IUB/IUPAC で規定されているアミノ酸コードもしくは核酸コードで、シーケンス文字列を記述する。ただし、小文字で記述した場合は FASTA内部で自動的に大文字に変換される。また、"-"（ハイフン）でギャップを、"U" でセレノシステインを、"*" で翻訳終止を記述する。FASTAでは、クエリーのシーケンスに数字が含まれていると正しく処理をすることができない。FASTAで処理を行う前に、数字は、除去しておくか、適切な文字列（"N" は不明な核酸塩基、"X" は不明なアミノ酸 を意味する）に置き換えておく必要がある。
| 核酸のコード | 意味 |
|---|---|
| A | Adenosine （アデニン） |
| C | Cytidine （シトシン） |
| G | Guanine （グアニン） |
| T | Thymidine （チミン） |
| U | Uracil （ウラシル） |
| R | G A （puRine, プリン） |
| Y | T C （pYrimidine, ピリミジン） |
| K | G T （Ketone, ケトン） |
| M | A C （aMino group, アミノ基） |
| S | G C （Strong interaction, 強い結合） |
| W | A T （Weak interaction, 弱い結合） |
| B | G T C (not A) （B, A の次の文字） |
| D | G A T (not C) （D, C の次の文字） |
| H | A C T (not G) （H, G の次の文字） |
| V | G C A (not T, not U) （V, U の次の文字） |
| N | A G C T （aNy, 不明） |
| - | ギャップ |
| アミノ酸コード | 意味 |
|---|---|
| A | アラニン |
| B | アスパラギン酸 もしくは アスパラギン |
| C | システイン |
| D | アスパラギン酸 |
| E | グルタミン酸 |
| F | フェニルアラニン |
| G | グリシン |
| H | ヒスチジン |
| I | イソロイシン |
| K | リシン |
| L | ロイシン |
| M | メチオニン |
| N | アスパラギン |
| P | プロリン |
| Q | グルタミン |
| R | アルギニン |
| S | セリン |
| T | スレオニン |
| U | セレノシステイン |
| V | バリン |
| W | トリプトファン |
| Y | チロシン |
| Z | グルタミン酸 もしくは グルタミン |
| X | 不明 (any) |
| * | 翻訳終止 |
| - | ギャップ |
参考文献
[編集]- ^ Lipman, D. J.; Pearson, W.R. (1985). "Rapid and sensitive protein similarity searches." Science 227 (4693): 1435–1441. PMID 2983426.
- ^ Pearson, W.R.; Lipman, D. J. (1988). "Improved tools for biological sequence comparison." Proc. Natl. Acad. Sci. USA 85 (8): 2444–2448. PMID 3162770
外部リンク
[編集]- FASTAフォーマットの説明（英語）
- ヴァージニア大学のFASTAサーバ - FASTAソフトウェアパッケージを配布している
- GenBank to Fasta conventer