DNA / RNA-Sequenz-Generator

Der GC-Gehalt ist der Prozentsatz der Basen Guanin (G) und Cytosin (C) in einer Nukleinsäure-Molekül. Da G–C-Paare drei Wasserstoffbrücken haben, im Vergleich zu zwei bei A–T-Paaren, haben Bereiche mit höherem GC-Gehalt eine höhere Schmelztemperatur und größere Strukturstabilität. Der GC-Gehalt variiert systematisch zwischen Organismen und genomischen Bereichen, daher ist die Kontrolle des GC-Gehalts wichtig, wenn Primer entworfen, realistische synthetische Daten generiert oder spezifische Taxa modelliert werden.

Das Komplement einer Strang ersetzt jede Base durch ihre Watson–Crick-Partner (A↔T, G↔C, A↔U bei RNA), während die 5′ zu 3′-Lektüre erhalten bleibt. Das umgekehrte Komplement führt zunächst die gleiche Basenersetzung durch und dreht dann die Kette, sodass die tatsächliche Sequenz der Antikomplementstrang von 5′ nach 3′ dargestellt wird. Das umgekehrte Komplement ist das, was Biologen gewöhnlich wollen, wenn sie die entgegengesetzte Strang aus einem doppelsträngigen Molekül extrahieren.

Transkription ist der biologische Prozess, bei dem ein DNA-Template in RNA kopiert wird, was mechanisch entspricht, dass jede Thymidin (T) durch Uracil (U) ersetzt wird. Umgekehrte Transkription ist der Gegenteil – die Umwandlung einer RNA-Molekül in ein komplementäres DNA (cDNA) durch Ersetzen jedes U durch T. In echten Zellen werden diese Umwandlungen von Enzymen (RNA-Polymerase und umgekehrte Transkriptase) durchgeführt; die Sequenzebene-Transformation ist eine einfache Zeichenumwandlung.

Die IUPAC-Basencodes sind einzeilige Symbole, die Positionen darstellen, bei denen mehrere Basen vorkommen können. R steht für Purin (A oder G), Y für Pyrimidin (C oder T/U), S für starke (G oder C), W für schwache (A oder T/U), K für keto (G oder T/U), M für amino (A oder C) und N für jede Base. Sie werden häufig bei Primer-Design, Konsensmuster und mehreren Sequenzalignments verwendet, wo Positionen degeneriert oder unbekannt sind.

FASTA ist ein Textformat zur Darstellung von Nukleinsäure- oder Proteinsäure-Sequenzen. Jede Einheit beginnt mit einer Beschreibungzeile, die mit einem Großbuchstaben (>), gefolgt von einem Identifikator und optionaler Metadaten, beginnt, und wird dann von einer oder mehreren Zeilen mit Sequenzzeichen folgt. Sequenzen werden üblicherweise mit 60 oder 80 Zeichen pro Zeile abgeschnitten. FASTA ist das Standardformat in der Bioinformatik, da es menschenlesbar und leicht parsierbar ist.