1980 年代中期,序列資料不斷累積,卻各自綁定於個別程式與資料庫的格式,使得序列難以從一個工具轉移到另一個工具。William Pearson 與 David Lipman 的 FASTA 搜尋程式隨附一種簡單到不可能被誤認的格式:以「>」開頭的一行承載序列的名稱與描述,其後各行則是以單字母代碼表示的序列本身。

此格式的規則維持在最低限度。負責營運 GenBank 的 NCBI 將 defline 定義為「>」後接唯一的 SeqID 與選用的來源修飾詞,而序列本身可跨越多行,且僅使用 IUPAC 字母。由於整個檔案都是純文字,解析它只需要一個逐行讀取器——該格式的文件指出,其簡潔性讓序列易於以文字處理工具操作。

這種近乎零的採用成本發揮了作用。FASTA 成為生物資訊學中近乎通用的標準,各大序列檔案庫都接受它作為資料庫搜尋與提交的格式,而後來的 FASTQ 等格式也直接建立在其慣例之上,而非取而代之。

「>」標頭加上純字母,讓序列得以共享

純 ASCII 意味著任何文字工具都能讀寫它

一行「>」標頭承載每個資料庫都需要的識別碼

它隨附可用的 FASTA 搜尋軟體,因此採用無需另行推動

NCBI 與其他公共檔案庫接受它作為提交輸入

當使用某種格式的成本近乎零時,它就會勝出:若連逐行讀取器這般簡單的工具都能解析它,採用便會自行擴散,無須任何人去說服全世界。

FASTA 仍是資料庫搜尋與提交的預設格式,其慣例也被延伸至用於定序讀取的 FASTQ。它還催生了一系列至今仍用於相似性搜尋的 FASTA 比對程式。

追溯依據

參考來源

  1. FASTA Format for Nucleotide Sequences NCBI GenBank · ncbi.nlm.nih.gov
  2. FASTA format Wikipedia · en.wikipedia.org