Převod souboru SEQ do TXT

Přijímající program může vyžadovat čitelná data .txt namísto souboru .seq specifického pro zařízení nebo sekvenční editor. Správný způsob převodu závisí na aplikaci, která soubor vytvořila, protože .seq je nejednoznačná přípona, nikoli jeden standardizovaný formát.

Co je formát SEQ

.seq používá nesouvisející software. Počítače Commodore s 8bitovou architekturou používají SEQ pro sekvenční soubory na disku, které obvykle obsahují text PETSCII. Bioinformatické programy jej používají pro nukleotidové nebo proteinové sekvence, někdy jako prostý text a někdy ve formátu specifickém pro daný program. Tuto příponu používají také laboratorní, průmyslové, přístrojové a jiné specializované aplikace pro proprietární data.

Před změnou souboru identifikujte zdrojovou aplikaci. Otevřete kopii v programu Notepad++, Visual Studio Code nebo jiném nedestruktivním editoru. Čitelný první řádek, například >sample-01, naznačuje data ve stylu FASTA; nečitelné znaky, proprietární hlavička nebo upozornění na binární soubor znamenají, že export musí provést původní software.

Co je formát TXT

.txt označuje neformátovaná znaková data, ale neurčuje jejich vnitřní strukturu. Soubor TXT může obsahovat nezpracované sekvence, záznamy FASTA, měření oddělená tabulátory, protokoly nebo běžný text.

Prostý text se snadno upravuje, zpracovává z příkazového řádku, archivuje a importuje do systémů, které nepodporují zdrojovou aplikaci. Může být menší a přenositelnější než proprietární soubor, ale nemůže zachovat grafiku, chromatogramy, formátování zarovnání, skóre kvality, anotace, časová razítka ani nastavení přístroje, pokud nejsou tyto hodnoty výslovně exportovány jako text.

Převod textového souboru SEQ

1. Vytvořte zálohu původního souboru.
2. Otevřete kopii v editoru prostého textu a ověřte, že záznamy, identifikátory, oddělovače a konce řádků jsou čitelné.
3. Použijte File → Save As, pojmenujte výsledek sample.txt a zvolte UTF-8, pokud jej přijímající program podporuje. Jinak použijte kódování určené tímto programem.

Pokud je soubor již prostým textem, jeho zkopírováním se změní pouze název, nikoli data. V prostředí Windows PowerShell použijte:

Copy-Item .\sample.seq .\sample.txt

V systému macOS nebo Linux použijte:

cp sample.seq sample.txt

Přejmenování nebo kopírování není převodem binárních či proprietárních souborů SEQ.

Převod biologických sekvenčních dat

Pokud potřebujete zkontrolovat rozpoznané záznamy a graficky je exportovat, použijte UGENE nebo jiný sekvenční editor. Otevřete soubor, ověřte abecedu sekvence a počet záznamů a poté pomocí jeho příkazu pro export zapište data do formátu FASTA nebo jiného podporovaného textového formátu. FASTA je obvykle nejbezpečnější volbou pro více záznamů, protože zachovává identifikátory a popisy.

Pro opakovatelný převod z příkazového řádku může EMBOSS seqret zapisovat rozpoznané biologické sekvenční formáty:

seqret -sequence sample.seq -outseq sample.txt -osformat2 fasta

Pro výstup obsahující pouze znaky sekvence, pokud příjemce výslovně vyžaduje nezpracovaná nebo prostá sekvenční data, použijte:

seqret -sequence sample.seq -outseq sample.txt -osformat2 plain

Tyto příkazy fungují pouze tehdy, když seqret rozpozná skutečný vstupní formát. Otevřete výsledek a porovnejte počet záznamů a délky sekvencí se zdrojem; nezpracovaný výstup může vynechat hlavičky a popisy.

U necitlivého souboru, jehož biologický formát je podporován, mohou webové nástroje EMBOSS od EMBL-EBI poskytnout online alternativu. Před nahráním ověřte, že služba uvádí rozpoznaný vstupní formát a požadovaný výstupní formát; samotná přípona k identifikaci nestačí.

Převod souborů Commodore SEQ

Extrahujte soubor z obrazu disku pomocí nástroje podporujícího Commodore, například VICE c1541 nebo DirMaster. Poté převeďte PETSCII na kódování znaků očekávané přijímajícím systémem pomocí nástroje podporujícího PETSCII, například VICE petcat. Běžný textový editor ani jednoduchá změna názvu souboru nespolehlivě nepřevedou PETSCII, řídicí znaky Commodore, kódy obrazovky ani data obrazu disku.

Zkontrolujte převedený soubor, zda neobsahuje obrácená velká a malá písmena, grafické symboly, nežádoucí řídicí kódy a chybějící konce řádků. Text Commodore nemusí být dokonale převoditelný do Unicode nebo moderního ASCII, takže může být nutné ruční čištění.

Převod proprietárních souborů SEQ

Použijte program nebo zařízení, které soubor vytvořilo, a zvolte File → Export, File → Save As nebo odpovídající příkaz. Pokud nabízí CSV, TSV, XML, FASTA nebo jiný zdokumentovaný výměnný formát, použijte jej, pokud zachovává požadovaná pole lépe než TXT.

Obecné online převodníky jsou pro neidentifikovaný soubor .seq nespolehlivé a mohou binární data chybně interpretovat jako poškozený text. Nenahrávejte klinické, laboratorní, přístrojové, důvěrné ani proprietární soubory. Převodník hostovaný výrobcem je vhodný pouze tehdy, pokud jeho dokumentace uvádí přesnou variantu SEQ vytvářenou zdrojovým softwarem.

Kontrola převedeného souboru

Ověřte očekávané kódování, konce řádků, oddělovač, abecedu sekvence a strukturu záznamů. Zkontrolujte výstup, zda neobsahuje náhradní znaky, zkrácené záznamy, neočekávané mezery, změněné zalamování řádků, ztracené úvodní nuly a chybějící hlavičky.

Ponechte si původní soubor .seq. Export do TXT může zahodit metadata, hodnoty kvality, anotace, souřadnice zarovnání, časová razítka a nastavení přístroje a samotná změna přípony nikdy nedekóduje proprietární ani binární formát.