Fichier FASTA

Le format .fasta appartient à la catégorie des fichiers de données de bioinformatique. Le contenu des fichiers .fasta comprend des séquences de données génétiques - ils peuvent contenir des informations sur la structure de l'ADN et de l'ARN, mais aussi sur les structures protéiques. Le contenu est organisé selon une mise en page spécifique à cette norme. L'une de ses caractéristiques est une ligne d'en-tête > (appelée defline), dans laquelle un identifiant et des annotations descriptives peuvent également être enregistrés. Une ou plusieurs lignes de lettres de séquence brute suivent chaque en-tête, utilisant les codes de nucléotides ou d'acides aminés de l'IUPAC.

Les fichiers .fasta peuvent stocker un grand nombre de séquences dans un seul fichier, c'est pourquoi les fichiers multi-.fasta sont souvent utilisés comme bases de données de référence. Toutes ces informations sont utilisées par des programmes spécialisés pour les analyses génétiques. Grâce au format .fasta, des tests comparatifs d'ADN peuvent être effectués, ainsi que des études sur l'évolution des structures génétiques.

Comme le format .fasta ne stocke que l'identifiant et la séquence brute - sans scores de qualité ni annotations riches - des formats complémentaires sont souvent utilisés à ses côtés : les fichiers .fastq ajoutent des scores de qualité par base pour les lectures de séquençage, tandis que les fichiers GenBank portent des annotations de caractéristiques complètes. Le format a été développé par William R. Pearson et David J. Lipman pour leur programme de comparaison de séquences FASTA et est devenu depuis la norme de base en texte brut pour le partage de séquences biologiques entre les outils et les bases de données du monde entier.

Les extensions de variantes courantes incluent .fa, .fna (séquences de nucléotides), .faa (séquences d'acides aminés) et .ffn (séquences codantes).