在序列文件中，最常见的格式是FASTA，其结构独特。首行通常以“>”符号开始，用于标记序列的描述。从第二行开始，序列以标准的核苷酸或氨基酸单字母符号呈现，核苷酸符号大小写都可以，而氨基酸通常使用大写字母。每个记录的行数不超过80个字符（通常60个字符）。
对于核酸序列，除了常见的A、C、G、T、U，还有R代表嘌呤（G或A），Y代表嘧啶（T或C），K代表带酮基的G或T，M代表带氨基的A或C，S代表强的G或C，W代表弱的A或T，B代表G、T或C，D代表G、A或T，H代表A、C或T，V代表G、C或A，N代表任意一种A、G、C、T。在核酸和蛋白质数据库中，如EMBL和GenBank，记录包含了详细的信息，如名称、长度、日期、序列来源、相关文献等，每行60个碱基，且有专门的标识符如ID、DE、AC等来区分不同的信息。
数据库中存在冗余问题，即多个记录可能代表同一基因或蛋白质的变体。这可能导致分析结果偏差，例如，统计分析可能过度强调特定序列族。因此，非冗余数据的选择至关重要，需要在去除相似序列和保留信息之间找到平衡。此外，序列数据中还可能存在实验过程中的偏差或假象，如载体序列污染、异源序列污染、序列重排缺失、重复因子污染以及测序误差等，这些都是在使用序列数据时需要考虑的因素。
在生物信息学中，FASTA格式（又称为Pearson格式），是一种基于文本用于表示核苷酸序列或氨基酸序列的格式。在这种格式中碱基对或氨基酸用单个字母来编码，且允许在序列前添加序列名及注释。