NCBI上基因组文件格式及解释

最近在对于一些关于基因组的数据进行处理，发现如果在NCBI上下载一个物种例如E. coil的基因组序列之后，有很多并不常见的文件类型，例如.asn.faa.ffn.fna *.val 等等，处于好奇，特意去查了这些文件的意义是什么，总结如下：

*.asn = ASN.1 (Abstract Syntax Notation 1) file 是NCBI的一种特定格式，包括完整的注释信息，可以用如sequin等软件打开。

*.faa = FASTA Amino Acid file 全部蛋白序列文件

*.ffn = FASTA nucleotide coding regions file 全部核酸序列文件

*.fna = FASTA Nucleic Acid file 完整的基因组序列文件（一条序列）

*.gbk = GenBank flat file format 不用说了，genbank格式的基因组注释信息

*.ptt = Protein Table 包含各个CDS（coding sequence）的完整信息表（很有用，可以方便的导入excel等软件来看）

以上这些软件都是文本类型的文件，所以可以用记事本打开，但是更加建议使用notepad++打开，会保证格式不会变化。

其中*.val是一个二进制格式的文件。

*.val = Nucleotide sequence, in ASN.1 binary format（ASN.1二进制的核苷酸序列）

我本次使用的文件类型是.fna，也就是一条完整的基因组序列文件。