获取给定肽序列列表的蛋白质名称及其ID (使用Python)

Question

我有一个肽序列列表，我想把它映射到任何开放数据库中的正确的蛋白质名称，比如Uniprot，也就是属于蛋白质的肽。能否有人指导如何找到蛋白质名称并绘制它们的地图，谢谢。

Answer 1

我想说，你最好的选择是使用请求模块，并加入Uniprot在其网站上的API。肽序列搜索的API是这里，它的文档从同一个页面链接。这样，您应该能够形成一个包含搜索参数的dict，并向API发送一个请求，该API将返回您要查找的结果。requests模块允许您以json格式检索结果，您可以非常容易地将其解析为列表/dicts等，以便以任何您希望的方式使用。

编辑:我有密码！

为了好玩，我尝试了第一部分:利用肽来查找蛋白质。这行得通！您可以看到请求模块制作这种东西是多么容易:)

有另一个API用于检索数据库条目，一旦您从第一步中获得了“访问”列表。所有的API端点和文档都可以访问这里。我想你想要这一号。

import requests
from time import sleep

url = 'https://research.bioinformatics.udel.edu/peptidematchws/asyncrest'

#peps can be a comma separated list for multiple peptide sequences
data={'peps':'MKTLLLTLVVVTIVCLDLGYT','lEQi':'off','spOnly':'off'}
headers = {'Content-Type': 'application/x-www-form-urlencoded'}
response = requests.post(url,params=data,headers=headers)
if response.status_code == 202:
    print(f"Search accepted. Results at {response.headers['Location']}")
    search_job = requests.get(response.headers['Location'])
    while search_job.status_code == 303:
        sleep(30)
        search_job = requests.get(response.headers['Location'])
    if search_job.status_code == 200:
        results = search_job.text.split(',')
        print('Results found:')
        print(results)
    else:
        print('No matches found')
else:
    print('Error Search not accepted')
    print(response.status_code, response.reason)