Question

我想知道是否有办法从uniprot蛋白质id中获得蛋白质序列。我确实检查了很少的在线软件，但它们一次只能获得一个序列，但是我有5536个vlues。 biopython中是否有任何软件包可以做到这一点？

Answer 1

您可能可以遍历值列表，每次都从库中调用所需的方法。

Answer 2

在Python中从UniProt提取许多序列的最快，最简单的方法之一就是使用pyfaidx包。它是一个简单但经过测试的工具，建立在SAMtools的知名算法之上。学术出版物也可以引用。

只需从https://www.uniprot.org/downloads下载包含所有序列（或只是选定的子集）的fasta文件，如果需要，解压缩该文件，安装pyfadix（例如，使用pip install pyfaidx --user或bioconda）并使用{{ 1}}构造函数：

Fasta

第一次加载可能需要一段时间，但之后所有操作将非常快。现在from pyfaidx import Fasta sequences = Fasta('uniprot_sprot.fasta')是一个类似dict的对象，因此您可以使用以下命令访问所需的条目：

sequences

显示顺序：

p53 = sequences['sp|P04637|P53_HUMAN']
print(p53)

然而，此序列对象不仅仅是一个字符串-它提供了许多方便的实用函数和属性（MEEPQSDPSVEPPLSQETFSDLWKLLPENNVLSPLPSQAMDDLMLSPDDIEQWFTEDPGPDEAPRMPEAAPPVAPAPAAPTPAAPAPAPSWPLSSSVPSQKTYQGSYGFRLGFLHSGTAKSVTCTYSPALNKMFCQLAKTCPVQLWVDSTPPPGTRVRAMAIYKQSQHMTEVVRRCPHHERCSDSDGLAPPQHLIRVEGNLRVEYLDDRNTFRHSVVVPYEPPEVGSDCTTIHYNYMCNSSCMGGMNRRPILTIITLEDSSGNLLGRNSFEVRVCACPGRDRRTEEENLRKKGEPHHELPPGSTKRALPNNTSSSPQPKKKPLDGEYFTLQIRGRERFEMFRELNEALELKDAQAGKEPGGSRAHSSHLKSKKGQSTSRHKKLMFKTEGPDSD，long_name，带有以下内容的切片：unpadded_len，start ，end和complement()等-有关更多信息，请参阅文档。）

如果要通过UniprotID而不是fasta文件中的完整标识符访问序列，请使用：

reverse()

PS。只是一个警告-注意基于1的索引。

Answer 3

尝试以下代码以获取查询参数中提供的所有蛋白质序列

import urllib,urllib2
url = 'https://www.uniprot.org/uploadlists/'
params = {
    'from':'ACC+ID',
    'to':'ACC',
    'format':'txt',
    'query':'P13368 P20806 Q9UM73 P97793 Q17192'
}
data = urllib.urlencode(params)
request = urllib2.Request(url, data)
contact = "" # contact email address debug
request.add_header('User-Agent', 'Python %s' % contact)
response = urllib2.urlopen(request)
page = response.read()
print page

Answer 4

您还可以从NCBI Entrez服务器从SwissProt / UniProt数据库中获取序列。从NCBI Entrez获取文件并读取序列的一种方法是Python软件包biotite：

>>> import biotite.database.entrez as entrez
>>> import biotite.sequence as seq
>>> import biotite.sequence.io.fasta as fasta
>>> # Find UIDs for SwissProt/UniProt entries
>>> query =   entrez.SimpleQuery("Avidin", "Protein Name") \
...         & entrez.SimpleQuery("Gallus gallus", "Organism") \
...         & entrez.SimpleQuery("srcdb_swiss-prot", "Properties")
>>> print(query)
((Avidin[Protein Name]) AND ("Gallus gallus"[Organism])) AND (srcdb_swiss-prot[Properties])
>>> uids = entrez.search(query, db_name="protein")
>>> print(uids)
['158515411']
>>> # Download FASTA file containing the sequence(s)
>>> # from NCBI Entrez database
>>> file_name = entrez.fetch_single_file(
...     uids, "avidin.fa", db_name="protein", ret_type="fasta"
... )
>>> # Read file
>>> fasta_file = fasta.FastaFile()
>>> fasta_file.read(file_name)
>>> print(fasta_file)
>sp|P02701.3|AVID_CHICK RecName: Full=Avidin; Flags: Precursor
MVHATSPLLLLLLLSLALVAPGLSARKCSLTGKWTNDLGSNMTIGAVNSRGEFTGTYITAVTATSNEIKE
SPLHGTQNTINKRTQPTFGFTVNWKFSESTTVFTGQCFIDRNGKEVLKTMWLLRSSVNDIGDDWKATRVG
INIFTRLRTQKE
>>> # Convert first sequence in file to 'ProteinSequence' object
>>> seq = fasta.get_sequence(fasta_file)
>>> print(seq)
MVHATSPLLLLLLLSLALVAPGLSARKCSLTGKWTNDLGSNMTIGAVNSRGEFTGTYITAVTATSNEIKESPLHGTQNTINKRTQPTFGFTVNWKFSESTTVFTGQCFIDRNGKEVLKTMWLLRSSVNDIGDDWKATRVGINIFTRLRTQKE

Answer 5

来自uniprot的所有序列都可以通过“ {http://www.uniprot.org/uniprot/” + UniprotID + .fasta访问。您可以使用

获得任何序列

import requests as r
from Bio import SeqIO
from io import StringIO

cID='P04637'

baseUrl="http://www.uniprot.org/uniprot/"
currentUrl=baseUrl+cID+".fasta"
response = r.post(currentUrl)
cData=''.join(response.text)

Seq=StringIO(cData)
pSeq=list(SeqIO.parse(Seq,'fasta'))

cID可以是一个列表，也可以是一个条目，如果您循环通过错误列表，则只需在下载之间添加延迟，以免使服务器饱和。希望对您有帮助

来自uniprot蛋白质ID python的蛋白质序列

5 个答案: