Der einzeilige FASTA-Header machte Klartextsequenzen zum bioinformatischen Standard

Mitte der 1980er Jahre häuften sich Sequenzdaten in Formaten, die an einzelne Programme und Datenbanken gebunden waren, was es schwierig machte, eine Sequenz von einem Werkzeug zu einem anderen zu übertragen. Die FASTA-Suchprogramme von William Pearson und David Lipman wurden mit einem Format ausgeliefert, das so einfach war, dass es nicht verwechselt werden konnte: Eine Zeile, die mit '>' beginnt, trägt den Namen und die Beschreibung der Sequenz, und die Zeilen danach sind die Sequenz selbst in Ein-Buchstaben-Codes.

Die Regeln des Formats blieben minimal. NCBI, das GenBank betreibt, definiert die Defline als ein '>', gefolgt von einer eindeutigen SeqID und optionalen Quellmodifikatoren, während die Sequenz selbst über mehrere Zeilen reichen kann und nur IUPAC-Buchstaben verwendet. Da die gesamte Datei Klartext ist, benötigt das Parsen nichts weiter als einen Zeilenleser — die Dokumentation des Formats merkt an, dass seine Einfachheit Sequenzen leicht mit Textverarbeitungswerkzeugen manipulierbar macht.

Diese nahezu null Kosten der Übernahme leisteten die Arbeit. FASTA wurde zu einem nahezu universellen Standard in der Bioinformatik, akzeptiert für Datenbanksuche und -einreichung bei den großen Sequenzarchiven, und spätere Formate wie FASTQ bauten direkt auf seinen Konventionen auf, anstatt sie zu ersetzen.

Ein '>'-Header plus einfache Buchstaben machten Sequenzen teilbar

Reines ASCII bedeutet, dass jedes Textwerkzeug es lesen und schreiben kann

Eine '>'-Headerzeile trägt die Kennung, die jede Datenbank benötigt

Es wurde mit funktionierender FASTA-Suchsoftware ausgeliefert, sodass die Übernahme keine separate Kampagne benötigte

NCBI und andere öffentliche Archive akzeptieren es als Einreichungseingabe

Ein Format gewinnt, wenn die Kosten seiner Nutzung nahe null liegen: Wenn ein so triviales Werkzeug wie ein Zeilenleser es parsen kann, verbreitet sich die Übernahme, ohne dass jemand die Welt überzeugen muss.

FASTA bleibt der Standard für Datenbanksuche und -einreichung, und seine Konventionen wurden für Sequenzierungsreads zu FASTQ erweitert. Es begründete außerdem eine Familie von FASTA-Alignierungsprogrammen, die noch immer für die Ähnlichkeitssuche verwendet werden.