El encabezado de una línea de FASTA convirtió las secuencias de texto plano en el estándar de la bioinformática

A mediados de la década de 1980, los datos de secuencias se acumulaban en formatos ligados a programas y bases de datos individuales, lo que dificultaba trasladar una secuencia de una herramienta a otra. Los programas de búsqueda FASTA de William Pearson y David Lipman se distribuían con un formato tan simple que no podía confundirse: una línea que comienza con '>' contiene el nombre y la descripción de la secuencia, y las líneas posteriores son la propia secuencia en códigos de una sola letra.

Las reglas del formato se mantuvieron mínimas. El NCBI, que gestiona GenBank, define la defline como un '>' seguido de un SeqID único y modificadores de origen opcionales, mientras que la secuencia en sí puede abarcar varias líneas y utiliza únicamente letras IUPAC. Dado que todo el archivo es texto plano, para analizarlo no se necesita más que un lector de líneas; la documentación del formato señala que su simplicidad facilita la manipulación de secuencias con herramientas de procesamiento de texto.

Ese costo de adopción casi nulo hizo el trabajo. FASTA se convirtió en un estándar casi universal en la bioinformática, aceptado para la búsqueda y el envío a bases de datos en los principales archivos de secuencias, y formatos posteriores como FASTQ se construyeron directamente sobre sus convenciones en lugar de reemplazarlas.

Un encabezado '>' más letras simples hicieron que las secuencias fueran compartibles

El ASCII plano significa que cualquier herramienta de texto puede leerlo y escribirlo

Una línea de encabezado '>' porta el identificador que toda base de datos necesita

Se distribuía con software de búsqueda FASTA funcional, por lo que la adopción no requirió una campaña separada

El NCBI y otros archivos públicos lo aceptan como entrada para envíos

Un formato gana cuando el costo de usarlo es casi nulo: si una herramienta tan trivial como un lector de líneas puede analizarlo, la adopción se propaga sin que nadie tenga que convencer al mundo.

FASTA sigue siendo el formato predeterminado para la búsqueda y el envío a bases de datos, y sus convenciones se extendieron a FASTQ para lecturas de secuenciación. También dio origen a una familia de programas de alineamiento FASTA que todavía se usan para la búsqueda de similitudes.