Skip to main content

Formatos comunes de secuencias

Formato FASTQ​

  • Descripción: El formato FASTQ se utiliza comúnmente para almacenar secuencias de ADN, ARN o proteínas junto con información de calidad asociada para cada base.
  • Estructura:
    • Línea 1: Encabezado que comienza con el carácter "@" seguido de un identificador único para la secuencia.
    • Línea 2: Secuencia de ADN, ARN o proteína.
    • Línea 3: Encabezado opcional que comienza con el carácter "+" seguido del mismo identificador que en la línea 1.
    • Línea 4: Calidad de cada base correspondiente a la secuencia en la línea 2.
  • Ejemplo: 
    @ID:1
    GATTCA
    +
    !''&$%

Formato FASTA​

  • Descripción: El formato FASTA es utilizado para representar secuencias biológicas, como ADN, ARN o proteínas, junto con una línea de encabezado descriptiva.
  • Estructura:
    • Línea 1: Encabezado que comienza con el carácter ">" seguido de una descripción o identificador de la secuencia.
    • Líneas siguientes: La secuencia de ADN, ARN o proteína, a menudo dividida en líneas de longitud fija para facilitar la lectura.
  • Ejemplo: 
    >Secuencia1
    GATTCAAGGCT
    ACGTACGTAGCT

Ambos formatos son ampliamente utilizados en bioinformática para el intercambio y almacenamiento de datos relacionados con secuencias biológicas. El formato FASTQ es especialmente útil cuando se necesita información de calidad para cada base, mientras que el formato FASTA es más simple y se centra en la representación de las secuencias con un encabezado descriptivo.