Учебники

Биопайтон — База данных Entrez

Январь 4, 2019

Entrez — это онлайновая поисковая система, предоставляемая NCBI. Он обеспечивает доступ почти ко всем известным базам данных молекулярной биологии с помощью встроенного глобального запроса, поддерживающего логические операторы и поиск по полю. Он возвращает результаты из всех баз данных с информацией, такой как количество обращений к каждой базе данных, записи со ссылками на исходную базу данных и т. Д.

Некоторые из популярных баз данных, к которым можно получить доступ через Entrez, перечислены ниже —

  • Pubmed
  • Изданный Центральный
  • Нуклеотид (база данных последовательностей GenBank)
  • Белок (база данных последовательностей)
  • Геном (База данных всего генома)
  • Структура (трехмерная макромолекулярная структура)
  • Таксономия (Организмы в GenBank)
  • SNP (однонуклеотидный полиморфизм)
  • UniGene (Геноориентированные кластеры транскрипционных последовательностей)
  • CDD (база данных по консервативным белковым доменам)
  • 3D Домены (Домены от Entrez Structure)

В дополнение к вышеупомянутым базам данных Entrez предоставляет гораздо больше баз данных для выполнения поиска по полю.

Biopython предоставляет специальный модуль для Entrez Bio.Entrez для доступа к базе данных Entrez. Давайте узнаем, как получить доступ к Entrez с помощью Biopython в этой главе —

Шаги соединения с базой данных

Чтобы добавить функции Entrez, импортируйте следующий модуль — 

>>> from Bio import Entrez

Затем установите свой адрес электронной почты, чтобы определить, кто связан с кодом, приведенным ниже — 

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

Затем установите параметр инструмента Entrez и по умолчанию это Biopython. 

>>> Entrez.tool = 'Demoscript'

Теперь вызовите функцию einfo, чтобы найти счетчик терминов индекса, последнее обновление и доступные ссылки для каждой базы данных, как определено ниже — 

>>> info = Entrez.einfo()

Метод einfo возвращает объект, который обеспечивает доступ к информации через метод read, как показано ниже — 

>>> 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>

Данные представлены в формате XML, и для получения данных в виде объекта python используйте метод Entrez.read, как только вызывается метод Entrez.einfo () — 

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

Здесь record — это словарь, который имеет один ключ, DbList, как показано ниже — 

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

Доступ к ключу DbList возвращает список имен баз данных, показанный ниже — 

>>> 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'] 
>>>

По сути, модуль Entrez анализирует XML, возвращаемый поисковой системой Entrez, и предоставляет его в виде словаря и списков Python.

База данных поиска

Для поиска в любой из баз данных Entrez мы можем использовать модуль Bio.Entrez.esearch (). Это определено ниже — 

>>> 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 = {})
>>>

Если вы назначите неправильный БД, то он возвращает 

>>> 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 = {})

Если вы хотите искать по базе данных, то вы можете использовать Entrez.egquery . Это похоже на Entrez.esearch за исключением того, что достаточно указать ключевое слово и пропустить параметр базы данных. 

>>>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

Fetch Records

Enterz предоставляет специальный метод efetch для поиска и загрузки полной информации о записи из Entrez. Рассмотрим следующий простой пример — 

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

Теперь мы можем просто читать записи, используя объект SeqIO

68
Share: