Question

我想从Entrez收集蛋白质FASTA序列和python 2.7。我正在寻找任何具有以下关键词的蛋白质：＆＃34;终止酶＆＃34;和＆＃34;大＆＃34;以他们的名义。到目前为止，我得到了这段代码：

from Bio import Entrez
Entrez.email = "example@example.org"


searchResultHandle = Entrez.esearch(db="protein", term="terminase large", retmax=1000)
searchResult = Entrez.read(searchResultHandle)
ids = searchResult["IdList"]

handle = Entrez.efetch(db="protein", id=ids, rettype="fasta", retmode="text")
record = handle.read()

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

然而，它可以从各种生物体中获得几种终止酶，而我只需要终止形式的噬菌体（特别是病毒[taxid 10239]，宿主细菌。我设法从NCBI获得病毒的nuccore登录ID我我感兴趣，但我不知道如何将这两种信息结合起来。 id文件如下所示：

NC_001341
NC_001447
NC_028834
NC_023556
...

我是否需要访问每个ID的每个gb文件并在其中搜索我想要的蛋白质？

Answer 1

找到我要找的东西。在：

searchResultHandle = Entrez.esearch(db="protein", term="terminase large", retmax=1000)

我已添加：

searchterm = "(terminase large subunit AND viruses[Organism]) AND Caudovirales AND refseq[Filter]"
searchResultHandle = Entrez.esearch(db="protein", term=searchterm, retmax=6000)

将我的搜索记录到所需的病毒中。虽然它没有被主机过滤，但是被分类组过滤了，但这对我的工作来说已经足够了。

感谢@Llopis提供更多帮助

使用python获取基于关键字的蛋白质FASTA序列

1 个答案: