Neatbo.

导出声明蛋白与translation memory语言对

按声明CDS translation和精确TMX locale导出，保留完整原件、特征或variant报告，明确编码与完整交付预算。

更新于 约 8 分钟阅读

从接收方的实际任务开始

GenBank筛选对应一个具体需求：找到NRPS_PKS值包含PKS_的CDS，导出其中已声明蛋白translation，并在header附LOCUS、CDS IDs和location。TMX对应另一个任务：将明确source与target locale整理成对齐TSV文本，同时保留其余translation memory。

选择单份完整本地文件或粘贴受支持UTF-8文本；已选文件优先。GenBank要求严格UTF-8，TMX原始文件还支持带BOM且XML1.0声明一致的UTF-16LE/BE；扩展名不决定解析。工具不发送文件内容，不执行嵌入内容，也不加载外部引用。

完整交接产物
任务派生导出原件与完整报告
声明CDS蛋白proteins.faa，只导出唯一已有translation声明original.gb、report.json、完整CDS report.csv
明确TMX语言对pairs.tsv，唯一句对派生文本及每个TU状态original.tmx、含全部variant与混合节点的report.json

GenBank：匹配不等于存在可导出蛋白

设置ASCII qualifier key及大小写敏感contains/equals字面值。缺key为missing-qualifier，有key但未匹配为no-match；匹配但无translation为missing-translation，一个空声明为empty-translation，任何重复translation为ambiguous-translation。即使一个为空另一个非空，也不自动选择。

仅恰好一个非空translation声明形成FASTA。只移除现有translation中的空白，保留声明ASCII字母与*，不重新翻译DNA。header可逆编码记录/特征索引、LOCUS、全部按序ID与location，因此重复LOCUS或ID不会冲突。

JSON保留固定FEATURES列解析、qualifier顺序与重复、flags、引号形态和UTF-8字节跨度。join/complement/模糊/远端location只是声明字符串；ORIGIN/CONTIG内容、DNA长度、其余header、密码子、翻译表和生物有效性未审。这是有限核酸GenBank范围，不是完整INSDC验证器。

TMX：取得语言对前保留所有备选

Locale按大小写敏感精确匹配，EN-GB不等于en-gb。唯一source和target variant组成句对；所选locale重复为ambiguous，缺source、target或两者各有状态。此时TSV句对文本留空，完整JSON仍保留全部备选。

内联范围保留bpt/ept配对标识、ph/it代码数据、hi/sub文本、notes、properties、属性及有序混合文本/注释。派生TSV排除代码数据但包含hi/sub可翻译文本，不能代替含内联代码原件。UDE保留但不应用。

只允许字面SYSTEM tmx14.dtd且绝不加载。其它DTD、实体声明、处理指令、ut和自定义元素为Unsupported。未知属性保存但没有有效性信用；JSON字符串遵循XML1.0规范化，original.tmx保留精确字节。工具不认证TMX Level2合规，也不翻译文本。

预览停止时使用完整文件

预算共同生效；输入在限制内仍可能因完整产物超限而原子拒绝，不产生部分下载。浏览器内存包含活动原件和结果缓冲。取消处理后核对控件，再运行同一完整文件。

当前生产预算
任务输入与结构限制完整合计输出
GenBank10MiB；10,000记录；100,000特征；20,000匹配CDS；8百万声明translation字符；300,000物理行40MiB原件+JSON+CSV+FASTA
GenBank字段物理行/location各65,536 UTF-16单元；每特征100,000 qualifier；普通值1,048,576单元；key128；字面值4,096输入与输出总限约束组合
TMX2MiB；2,000 TU；10,000 TUV；30,000元素节点；深度64；locale64 UTF-16单元10MiB原件+JSON+TSV
  • 表格最多预览200行，长单元格前2,000个UTF-16单元加省略号。
  • 超过20,000个UTF-16单元时，文本与剪贴板是简要报告预览；每条记录与节点应查下载report.json。
  • 类似公式的CSV/TSV文本加单引号防护，JSON及原件中声明值不变。
  • 使用字节跨度必须保留原件；不能凭规范化文本猜回GenBank BOM/CRLF或TMX UTF-16。

核对实际交接含义

GenBank应将每个所选CDS追溯到原件qualifier跨度，结合全部translation声明核对状态，并解码FASTA可逆header。TMX应核对TU顺序、每种locale备选、内联配对和元数据，再将TSV用于声明的派生文本任务。

需求作者的完整原件不可得或仅提供未闭合片段；starter是完整合成任务重建，测试蛋白和句子不是作者科学或翻译证据。成熟读取器与Node Worker属于实现证据；生产浏览器交互和最终验收由主控另行记录。

参考资料

  • GenBank作者需求

    第一人称需求：按qualifier筛选已有蛋白声明；完整作者原文件不可得。

  • TMX作者需求

    第一人称UTF16LE英西TSV任务；片段缺最终闭合，starter为合成任务重建。

  • GenBank样本记录

    字段含义正确性参考，不作需求证据或完整INSDC验证。

  • TMX1.4b规范

    编码与混合内联内容正确性参考；工具仅承诺声明的有限范围。

本分类工具使用说明

展开工具，查看操作步骤、可调选项和支持范围，再直接进入工作区。

GenBank CDS声明蛋白导出按字面qualifier值筛选CDS并导出唯一声明translation，保留全部特征状态、重复qualifier与原件字节位置。

从完整GenBank读取现有蛋白声明。缺失、空值与重复translation都有明确状态；不从DNA重新计算蛋白。

操作步骤

  1. 选择完整GenBank文件或粘贴UTF-8文本，设置qualifier key、字面值及contains/equals规则。
  2. 查看匹配与导出数量，并核对每个无法导出的CDS状态，不假设每个匹配都有蛋白。
  3. 下载proteins.faa、完整报告与original.gb；交接声明location时一并保留原件。

可调选项

qualifier key
NRPS_PKS
大小写敏感字面值
PKS_
字面匹配规则
包含字面值 · 等于字面值

能力与限制

  • 单份UTF-8核酸GenBank，支持BOM与LF/CRLF，上限10MiB；最多10,000记录、100,000特征、20,000匹配CDS、全部特征合计8,000,000个声明translation ASCII字符、300,000物理行。原件、JSON、CSV、FASTA完整合计上限40MiB。
  • 物理行与声明location各限65,536个UTF-16单元；每特征最多100,000个qualifier；每个普通qualifier解码值最多1,048,576个UTF-16单元。筛选key为最多128单元的ASCII标识符，字面值最多4,096单元。所有预算共同生效，输入与输出总限约束组合容量。
  • 识别核酸LOCUS前缀、准确ASCII固定FEATURES列和完整ORIGIN/CONTIG加//结构。未验证完整INSDC header、DNA内容与长度、location解释、密码子、翻译表、生物有效性或外部引用。蛋白LOCUS、单独CR、非法UTF-8、不支持缩进或translation字符会拒绝。
  • contains/equals按大小写敏感字面值匹配，不执行正则。缺qualifier和未匹配分别显示；仅恰好一个非空translation声明导出。没有声明为missing，一个空声明为empty，任何重复声明为ambiguous，即使其中一个为空也不擅选。
  • 完整JSON保留全部已解析记录与特征、按顺序重复qualifier与flags、引号形态、声明location及准确UTF-8字节跨度。FASTA header可逆包含记录/特征索引、LOCUS、全部ID与location；只移除现有translation内空白，不推断蛋白生物有效性。
  • CSV包含每个CDS状态，为类似公式的文本加单引号防护；JSON保留原值。表格仅预览前200行，长单元格前2,000个UTF-16单元。超过20,000单元的复制内容是报告预览，下载仍完整；原件BOM、LF/CRLF字节精确保留。
打开GenBank CDS声明蛋白导出 →
TMX语言对与variant导出将明确选择的TMX语言对导出TSV，并在完整报告与精确原件中保留全部备选variant、元数据与混合内联内容。

先查看完整translation memory再选择唯一语言对。精确locale匹配避免静默回退，缺失与重复variant保持可见而不擅选。

操作步骤

  1. 选择完整TMX文件或粘贴UTF-8 XML，填写准确source与target locale名称。
  2. 执行后查看已配对、歧义和缺失TU数量；在完整报告中核对全部备选variant。
  3. 一并下载pairs.tsv、report.json和original.tmx。TSV用于derived text，不能替代原生内联代码。

可调选项

精确source locale
EN-GB
精确target locale
ES-ES

能力与限制

  • 单份TMX1.4文件上限2MiB，最多2,000个translation unit、10,000个语言variant、30,000个XML元素节点，XML深度64；明确locale名各限64个UTF-16单元。原件、JSON和TSV完整合计上限10MiB；所有预算共同生效。
  • 按文件内容识别而非扩展名。支持严格UTF-8，或带BOM且XML1.0编码声明一致的UTF-16LE/BE。粘贴按UTF-8文本处理；UTF-16文件保持原始字节，直到专用解析器解码。非法Unicode和编码冲突会原子拒绝。
  • source/target locale按大小写敏感精确匹配，不做回退或规范化。只有唯一source与唯一target variant形成句对；重复locale为ambiguous，缺source、target或两者保持可见，句对文本留空。完整JSON保留全部备选。
  • 支持声明的tmx/header/body/tu/tuv/seg/note/prop/ude/map容器与bpt/ept/it/ph/hi/sub内联范围。derived text排除代码数据但包含hi/sub可翻译文本；JSON保留完整节点顺序、属性、混合文本与注释、bpt/ept配对。UDE保存但不应用。
  • 只保留字面SYSTEM tmx14.dtd且不加载；其它DTD、实体声明、处理指令、ut与自定义元素为Unsupported。这不是DTD验证、TMX Level2合规、机器翻译或未知属性有效性验证。JSON文本与属性遵循XML1.0规范化，原件字节仍完整下载。
  • TSV包含每个TU状态，为类似公式的文本加单引号防护；未改写值和代码数据应查JSON/原件。表格仅预览前200行及长单元格前2,000个UTF-16单元。超过20,000单元的复制文本是报告预览，完整下载保留每个节点、variant和句对。
打开TMX语言对与variant导出 →

本文相关工具

GenBank CDS声明蛋白导出 →按字面qualifier值筛选CDS并导出唯一声明translation，保留全部特征状态、重复qualifier与原件字节位置。TMX语言对与variant导出 →将明确选择的TMX语言对导出TSV，并在完整报告与精确原件中保留全部备选variant、元数据与混合内联内容。