Como Converter Arquivos de Sequência DNA para Formato FASTA

Na pesquisa genômica, a identificação de mutações patogênicas exige análise de grandes volumes de dados. Softwares modernos (BLAST, Clustal, MEGA, etc.) requerem entrada em formato FASTA. A conversão de arquivos de texto simples (gerados por sequenciadores) para FASTA é trivial com editores de texto.

O Formato FASTA

• Linha 1: cabeçalho iniciado por ">" seguido de identificador único (sem espaços). Ex: >Homo_sapiens_BRCA1_exon11
• Linhas subsequentes: sequência de nucleotídeos (códigos IUPAC: A, C, G, T, N, R, Y, S, W, K, M, B, D, H, V), maiúsculas ou minúsculas, até 80 caracteres por linha.
• Múltiplas sequências no mesmo arquivo: cada uma com seu cabeçalho ">".
• Extensões comuns: .fasta, .fa, .fna (nucleotídeo), .faa (aminoácido), .frn (RNA não codificante).

Passo a Passo (Windows: Bloco de Notas / Notepad++; Mac: TextEdit / VS Code)

1. Abra o arquivo de sequência original (extensões: .txt, .seq, .ab1 — este último requer extração de basecalling).
2. Na primeira linha, digite > + identificador (ex: >Amostra001_CYP2C19).
3. Pressione Enter para quebra de linha.
4. Cole ou digite a sequência na segunda linha. Quebre em linhas de 80 bases (padrão FASTA).
5. Repita passos 3-4 para cada sequência, se houver múltiplas.
6. Salve com extensão FASTA (.fasta, .fa ou a exigida pelo software alvo).

Dicas e Validação

• Use seqkit stats arquivo.fasta (linha de comando) para validar contagem de sequências, comprimento, composição.
• Remova caracteres não-IUPAC (números, espaços, quebras de linha extras no meio da sequência).
• Para sequências longas (genomas), prefira ferramentas dedicadas (seqtk, bioawk, Biopython) em vez de editor de texto.