FASTA は、DNA塩基配列タンパク質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。

FASTA で使える核酸のコード
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
FASTA で使えるアミノ酸コード
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
  1. ^ Lipman, D. J.; Pearson, W.R. (1985). "Rapid and sensitive protein similarity searches." Science 227 (4693): 1435–1441. PMID 2983426.
  2. ^ 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