📌  相关文章
📜  Biopython-Entrez数据库

📅  最后修改于: 2020-11-09 05:02:46             🧑  作者: Mango

Entrez是NCBI提供的在线搜索系统。它通过集成的全局查询(支持布尔运算符和字段搜索)提供对几乎所有已知分子生物学数据库的访问。它从所有数据库返回结果，并提供诸如每个数据库的命中数，带有原始数据库链接的记录等信息。

下面列出了一些可以通过Entrez访问的流行数据库-

  • Pubmed
  • 中央酒吧
  • 核苷酸(GenBank序列数据库)
  • 蛋白质(序列数据库)
  • 基因组(整个基因组数据库)
  • 结构(三维高分子结构)
  • 分类学(GenBank中的有机体)
  • SNP(单核苷酸多态性)
  • UniGene(转录序列的基因导向簇)
  • CDD(保守蛋白质结构域数据库)
  • 3D域(来自Entrez结构的域)

除上述数据库外，Entrez还提供更多数据库来执行现场搜索。

Biopython提供了一个Entrez特定模块Bio.Entrez来访问Entrez数据库。让我们在本章中学习如何使用Biopython访问Entrez-

数据库连接步骤

要添加Entrez的功能，请导入以下模块-

>>> from Bio import Entrez

接下来设置您的电子邮件以识别谁与下面给出的代码相关联-

>>> Entrez.email = ''

然后，设置Entrez工具参数，默认情况下为Biopython。

>>> Entrez.tool = 'Demoscript'

现在，调用einfo函数以查找索引术语计数，上次更新以及每个数据库的可用链接，如下所示-

>>> info = Entrez.einfo()

einfo方法返回一个对象，该对象通过其read方法提供对信息的访问，如下所示-

>>> data = info.read() 
>>> print(data) 

 

   
      pubmed 
      protein
      nuccore 
      ipg 
      nucleotide
      nucgss 
      nucest
      structure
      sparcle
      genome
      annotinfo
      assembly 
      bioproject
      biosample
      blastdbinfo
      books 
      cdd
      clinvar 
      clone 
      gap 
      gapplus 
      grasp 
      dbvar
      gene 
      gds 
      geoprofiles
      homologene 
      medgen 
      mesh
      ncbisearch 
      nlmcatalog
      omim
      orgtrack
      pmc
      popset
      probe
      proteinclusters
      pcassay
      biosystems 
      pccompound 
      pcsubstance 
      pubmedhealth 
      seqannot 
      snp 
      sra 
      taxonomy 
      biocollections 
      unigene
      gencoll 
      gtr

数据为XML格式，要获取数据作为Python对象，请在调用Entrez.einfo()方法后立即使用Entrez.read方法-

>>> info = Entrez.einfo() 
>>> record = Entrez.read(info)

在这里，record是一个字典，它有一个键，DbList，如下所示-

>>> record.keys() 
[u'DbList']

访问DbList键返回数据库名称列表，如下所示-

>>> record[u'DbList'] 
['pubmed', 'protein', 'nuccore', 'ipg', 'nucleotide', 'nucgss', 
   'nucest', 'structure', 'sparcle', 'genome', 'annotinfo', 'assembly', 
   'bioproject', 'biosample', 'blastdbinfo', 'books', 'cdd', 'clinvar', 
   'clone', 'gap', 'gapplus', 'grasp', 'dbvar', 'gene', 'gds', 'geoprofiles', 
   'homologene', 'medgen', 'mesh', 'ncbisearch', 'nlmcatalog', 'omim', 
   'orgtrack', 'pmc', 'popset', 'probe', 'proteinclusters', 'pcassay', 
   'biosystems', 'pccompound', 'pcsubstance', 'pubmedhealth', 'seqannot', 
   'snp', 'sra', 'taxonomy', 'biocollections', 'unigene', 'gencoll', 'gtr'] 
>>>

基本上，Entrez模块解析Entrez搜索系统返回的XML，并将其提供为Python字典和列表。

搜索数据库

要搜索任何一个Entrez数据库，我们可以使用Bio.Entrez.esearch()模块。它定义如下-

>>> info = Entrez.einfo() 
>>> info = Entrez.esearch(db = "pubmed",term = "genome") 
>>> record = Entrez.read(info) 
>>>print(record) 
DictElement({u'Count': '1146113', u'RetMax': '20', u'IdList':
['30347444', '30347404', '30347317', '30347292', 
'30347286', '30347249', '30347194', '30347187', 
'30347172', '30347088', '30347075', '30346992', 
'30346990', '30346982', '30346980', '30346969', 
'30346962', '30346954', '30346941', '30346939'], 
u'TranslationStack': [DictElement({u'Count': 
'927819', u'Field': 'MeSH Terms', u'Term': '"genome"[MeSH Terms]', 
u'Explode': 'Y'}, attributes = {})
, DictElement({u'Count': '422712', u'Field': 
'All Fields', u'Term': '"genome"[All Fields]', u'Explode': 'N'}, attributes = {}), 
'OR', 'GROUP'], u'TranslationSet': [DictElement({u'To': '"genome"[MeSH Terms] 
OR "genome"[All Fields]', u'From': 'genome'}, attributes = {})], u'RetStart': '0', 
u'QueryTranslation': '"genome"[MeSH Terms] OR "genome"[All Fields]'}, 
attributes = {})
>>>

如果您分配了不正确的数据库，则它将返回

>>> info = Entrez.esearch(db = "blastdbinfo",term = "books")
>>> record = Entrez.read(info) 
>>> print(record) 
DictElement({u'Count': '0', u'RetMax': '0', u'IdList': [], 
u'WarningList': DictElement({u'OutputMessage': ['No items found.'], 
   u'PhraseIgnored': [], u'QuotedPhraseNotFound': []}, attributes = {}), 
   u'ErrorList': DictElement({u'FieldNotFound': [], u'PhraseNotFound': 
      ['books']}, attributes = {}), u'TranslationSet': [], u'RetStart': '0', 
      u'QueryTranslation': '(books[All Fields])'}, attributes = {})

如果要跨数据库搜索，则可以使用Entrez.egquery 。这与Entrez.esearch相似，只不过它足以指定关键字并跳过数据库参数。

>>>info = Entrez.egquery(term = "entrez") 
>>> record = Entrez.read(info) 
>>> for row in record["eGQueryResult"]: 
... print(row["DbName"], row["Count"]) 
... 
pubmed 458 
pmc 12779 mesh 1 
... 
... 
... 
biosample 7 
biocollections 0

提取记录

Enterz提供了一种特殊的方法，即从Entrez检索和下载记录的全部详细信息。考虑以下简单示例-

>>> handle = Entrez.efetch(
   db = "nucleotide", id = "EU490707", rettype = "fasta")

现在，我们可以简单地使用SeqIO对象读取记录

>>> record = SeqIO.read( handle, "fasta" ) 
>>> record 
SeqRecord(seq = Seq('ATTTTTTACGAACCTGTGGAAATTTTTGGTTATGACAATAAATCTAGTTTAGTA...GAA', 
SingleLetterAlphabet()), id = 'EU490707.1', name = 'EU490707.1', 
description = 'EU490707.1 
Selenipedium aequinoctiale maturase K (matK) gene, partial cds; chloroplast', 
dbxrefs = [])