Převod souboru GCT do TXT

Program může vyžadovat název souboru s příponou .txt, přestože soubor GCT již obsahuje prostý text oddělený tabulátory. Přejmenování nebo zkopírování souboru vám umožní matici upravovat, sdílet nebo importovat bez změny její datové struktury.

Co je formát GCT

GCT obvykle znamená Gene Cluster Text, formát oddělený tabulátory pro matice genové exprese a související genomické tabulky. Broad Institute GSEA a GenePattern jej běžně vytvářejí nebo načítají.

Typický soubor GCT 1.2 začíná řádkem #1.2, po kterém následuje počet řádků a sloupců, záhlaví obsahující identifikátory a názvy vzorků a řádky obsahující identifikátory genů, popisy a hodnoty. Soubory GCT 1.3 mohou obsahovat další metadata. Standardní soubory GCT jsou obvykle nekomprimovaný prostý text, ačkoli datasety mohou být distribuovány jako komprimované soubory, například .gct.gz.

Co je formát TXT

.txt je obecná přípona názvu souboru, nikoli definovaný datový formát. Soubor TXT může obsahovat text oddělený tabulátory, čárkami, mezerami nebo text ve volném formátu; přípona neurčuje oddělovač, kódování, záhlaví ani schéma.

TXT je užitečný, když přijímající software kontroluje obecnou textovou příponu, když si chcete matici prohlédnout v aplikaci Notepad++, VS Code nebo jiném editoru nebo když sdílíte data s uživateli, kteří nemají specializovanou genomickou aplikaci. Pokud musí soubor zůstat použitelný jako matice, zachovejte tabulátory a řádky záhlaví GCT.

Jak převést GCT na TXT

Pro nezměněnou kopii

1. Zálohujte původní soubor input.gct.
2. Pokud je zdrojem soubor .gct.gz, nejprve jej dekomprimujte pomocí nástroje, jako je 7-Zip nebo gunzip.
3. Přejmenujte soubor ve správci souborů na output.txt nebo použijte přesný příkaz pro kopírování. Přejmenování změní pouze příponu názvu souboru.

V macOS nebo Linuxu:

cp input.gct output.txt

Ve Windows PowerShellu:

Copy-Item input.gct output.txt

Otevřete výsledek v editoru prostého textu a ověřte, že řádek s verzí, řádek s rozměry, zarovnání tabulátorů, identifikátory a číselné hodnoty zůstaly nezměněny. Nepoužívejte textový procesor.

Pro řízené úpravy v tabulkovém procesoru

1. Otevřete LibreOffice Calc a zvolte File → Open.
2. V dialogovém okně importu vyberte jako oddělovač Tab. Pokud je tato možnost dostupná, zakažte automatické rozpoznávání typů, aby identifikátory nebyly převedeny na data, vědecký zápis nebo čísla.
3. Po úpravách zvolte File → Save As, vyberte textový nebo CSV/textový formát, nastavte oddělovač polí na tabulátor a uložte soubor jako output.txt.
4. Uložený soubor otevřete v textovém editoru a zkontrolujte záhlaví GCT, počet sloupců, počet řádků, tabulátory a hodnoty identifikátorů.

Export z tabulkového procesoru může změnit konce řádků, uvozování, kódování, prázdné buňky, přesnost čísel nebo formát identifikátorů. Pokud má soubor načítat GSEA, GenePattern nebo jiný GCT parser, použijte přímé kopírování.

Kompatibilita a online nástroje

Změna .gct na .txt nepřevede interní strukturu. Importér TXT může odmítnout řádky s verzí a rozměry GCT, zatímco GSEA nebo GenePattern mohou vyžadovat původní příponu GCT a přesnou strukturu záhlaví. Soubor přejmenovaný na TXT proto není automaticky kompatibilní s každým programem, který přijímá text.

Nenahrazujte tabulátory mezerami, nemažte řádky metadat, neměňte pořadí sloupců ani neodstraňujte sloupec s popisem, pokud přijímající aplikace neurčuje jiné schéma. Zachovejte původní soubor GCT, protože TXT nemá standardní způsob, jak zaznamenat oddělovač, kódování nebo formát matice.

Pro tuto operaci obvykle není potřeba žádný online konvertor a nahrání dat genové exprese může odhalit nepublikovaný nebo citlivý výzkum. Obecné služby, jako jsou Convertio nebo Zamzar, používejte pouze v případě, že výslovně přijímají zdrojový soubor a požadovaný výstup oddělený tabulátory; mnoho obecných konvertorů formát GCT nerozpozná a může matici přeformátovat. Pro přesnou kopii je bezpečnější lokální přejmenování nebo použití aplikace Notepad++ či VS Code.