Question

这就是我想要做的。我有一个基因名单列表，例如：[ITGB1，RELA，NFKBIA]

查看biopython的帮助和entrez的API教程我想出了这个：

x = ['ITGB1', 'RELA', 'NFKBIA']
for item in x:
    handle = Entrez.efetch(db="nucleotide", id=item ,rettype="gb")
    record = handle.read()
    out_handle = open('genes/'+item+'.xml', 'w') #to create a file with gene name
    out_handle.write(record)
    out_handle.close

但是这一直存在错误。我发现如果id是一个数字id（虽然你必须把它变成一个要使用的字符串，'186972394'所以：

handle = Entrez.efetch(db="nucleotide", id='186972394' ,rettype="gb")

这让我得到了我想要的信息，包括序列。

现在问题： 我如何搜索基因名称（因为我没有id号码）或轻松将我的基因名称转换为ids以获得我所拥有的基因列表的序列。

谢谢，

Answer 1

首先使用基因名称，例如：ATK1

item = 'ATK1'
animal = 'Homo sapien' 
search_string = item+"[Gene] AND "+animal+"[Organism] AND mRNA[Filter] AND RefSeq[Filter]"

现在我们有一个搜索字符串来搜索ids

handle = Entrez.esearch(db="nucleotide", term=search_string)
record = Entrez.read(handleA)
ids = record['IdList']

如果没有id发现它是[]，则返回id作为列表。现在让我们假设它返回列表中的1项。

seq_id = ids[0] #you must implement an if to deal with <0 or >1 cases
handle = Entrez.efetch(db="nucleotide", id=seq_id, rettype="fasta", retmode="text")
record = handleA.read()

这将为您提供一个fasta字符串，您可以将其保存到文件

out_handle = open('myfasta.fasta', 'w')
out_handle.write(record.rstrip('\n'))

Answer 2

查看本教程的第8.3节，似乎有一个函数可以让你搜索术语并获得相应的ID（我对这个库一无所知，更不用说生物学了，所以这可能是完全错误的:)）。

>>> handle = Entrez.esearch(db="nucleotide",term="Cypripedioideae[Orgn] AND matK[Gene]")
>>> record = Entrez.read(handle)
>>> record["Count"]
'25'
>>> record["IdList"]
['126789333', '37222967', '37222966', '37222965', ..., '61585492']

据我所知，id是指esearch函数返回的实际ID号（在响应的IdList属性中）。但是，如果您使用term关键字，则可以运行搜索并获取匹配项的ID。完全未经测试，但假设搜索支持布尔运算符（看起来像AND有效），您可以尝试使用如下查询：

>>> handle = Entrez.esearch(db="nucleotide",term="ITGB1[Gene] OR RELA[Gene] OR NFKBIA[Gene]")
>>> record = Entrez.read(handle)
>>> record["IdList"]
# Hopefully your ids here...

要生成要插入的术语，您可以执行以下操作：

In [1]: l = ['ITGB1', 'RELA', 'NFKBIA']

In [2]: ' OR '.join('%s[Gene]' % i for i in l)
Out[2]: 'ITGB1[Gene] OR RELA[Gene] OR NFKBIA[Gene]'

然后可以将record["IdList"]转换为逗号分隔的字符串，并使用以下内容将其传递给原始查询中的id参数：

In [3]: r = ['1234', '5678', '91011']

In [4]: ids = ','.join(r)

In [5]: ids
Out[5]: '1234,5678,91011'

使用biopython从entrez获得基因序列

2 个答案: