Biopython - Entrez 資料庫

上一頁
下一頁

Entrez 是 NCBI 提供的一個線上搜尋系統。它提供對幾乎所有已知的分子生物學資料庫的訪問，並具有整合的全域性查詢，支援布林運算子和欄位搜尋。它返回來自所有資料庫的結果，其中包含來自每個資料庫的命中次數、帶有指向原始資料庫連結的記錄等資訊。

下面列出了一些可以透過 Entrez 訪問的常用資料庫：

  • PubMed
  • PubMed Central
  • 核酸序列資料庫 (GenBank)
  • 蛋白質序列資料庫
  • 基因組資料庫 (全基因組資料庫)
  • 結構資料庫 (三維大分子結構)
  • 分類資料庫 (GenBank 中的生物)
  • SNP 資料庫 (單核苷酸多型性)
  • UniGene 資料庫 (基因導向的轉錄序列簇)
  • CDD 資料庫 (保守蛋白質結構域資料庫)
  • 3D 結構域資料庫 (來自 Entrez 結構的結構域)

除了上述資料庫之外，Entrez 還提供更多資料庫來執行欄位搜尋。

Biopython 提供了一個 Entrez 專用模組 Bio.Entrez 來訪問 Entrez 資料庫。讓我們在本節中學習如何使用 Biopython 訪問 Entrez：

資料庫連線步驟

要新增 Entrez 的功能，請匯入以下模組：

>>> from Bio import Entrez

接下來，設定您的電子郵件以識別誰已連線到下面給出的程式碼：

>>> Entrez.email = '<youremail>'

然後，設定 Entrez 工具引數，預設為 Biopython。

>>> Entrez.tool = 'Demoscript'

現在，呼叫 einfo 函式以查詢每個資料庫的索引項計數、上次更新和可用連結，如下所示：

>>> info = Entrez.einfo()

einfo 方法返回一個物件，該物件透過其 read 方法提供對資訊的訪問，如下所示：

>>> data = info.read() 
>>> print(data) 
<?xml version = "1.0" encoding = "UTF-8" ?>
<!DOCTYPE eInfoResult PUBLIC "-//NLM//DTD einfo 20130322//EN" 
   "https://eutils.ncbi.nlm.nih.gov/eutils/dtd/20130322/einfo.dtd"> 
<eInfoResult>
   <DbList>
      <DbName>pubmed</DbName> 
      <DbName>protein</DbName>
      <DbName>nuccore</DbName> 
      <DbName>ipg</DbName> 
      <DbName>nucleotide</DbName>
      <DbName>nucgss</DbName> 
      <DbName>nucest</DbName>
      <DbName>structure</DbName>
      <DbName>sparcle</DbName>
      <DbName>genome</DbName>
      <DbName>annotinfo</DbName>
      <DbName>assembly</DbName> 
      <DbName>bioproject</DbName>
      <DbName>biosample</DbName>
      <DbName>blastdbinfo</DbName>
      <DbName>books</DbName> 
      <DbName>cdd</DbName>
      <DbName>clinvar</DbName> 
      <DbName>clone</DbName> 
      <DbName>gap</DbName> 
      <DbName>gapplus</DbName> 
      <DbName>grasp</DbName> 
      <DbName>dbvar</DbName>
      <DbName>gene</DbName> 
      <DbName>gds</DbName> 
      <DbName>geoprofiles</DbName>
      <DbName>homologene</DbName> 
      <DbName>medgen</DbName> 
      <DbName>mesh</DbName>
      <DbName>ncbisearch</DbName> 
      <DbName>nlmcatalog</DbName>
      <DbName>omim</DbName>
      <DbName>orgtrack</DbName>
      <DbName>pmc</DbName>
      <DbName>popset</DbName>
      <DbName>probe</DbName>
      <DbName>proteinclusters</DbName>
      <DbName>pcassay</DbName>
      <DbName>biosystems</DbName> 
      <DbName>pccompound</DbName> 
      <DbName>pcsubstance</DbName> 
      <DbName>pubmedhealth</DbName> 
      <DbName>seqannot</DbName> 
      <DbName>snp</DbName> 
      <DbName>sra</DbName> 
      <DbName>taxonomy</DbName> 
      <DbName>biocollections</DbName> 
      <DbName>unigene</DbName>
      <DbName>gencoll</DbName> 
      <DbName>gtr</DbName>
   </DbList> 
</eInfoResult>

資料採用 XML 格式，要將資料作為 Python 物件獲取，請在呼叫 Entrez.einfo() 方法後立即使用 Entrez.read 方法：

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

此處，record 是一個字典，它只有一個鍵 DbList，如下所示：

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

訪問 DbList 鍵將返回資料庫名稱列表，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 模組解析 Entrez 搜尋系統返回的 XML 並將其作為 Python 字典和列表提供。

搜尋資料庫

要搜尋任何一個 Entrez 資料庫，我們可以使用 Bio.Entrez.esearch() 模組。其定義如下：

>>> 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 = {})
>>>

如果指定了不正確的資料庫，則會返回錯誤資訊。

>>> 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 = {})

如果要跨資料庫搜尋，則可以使用 Entrez.egquery。這類似於 Entrez.esearch，只是只需指定關鍵字並跳過資料庫引數即可。

>>>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

獲取記錄

Entrez 提供了一種特殊方法 efetch 來搜尋和下載 Entrez 中記錄的完整詳細資訊。請考慮以下簡單示例：

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

現在，我們可以簡單地使用 SeqIO 物件讀取記錄

>>> 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 = [])
列印頁面
上一頁
下一頁
廣告
© . All rights reserved.