利用生物巨蟒获得一个基因序列

Question

这就是我想做的。我有一个基因的列表，例如: ITGB1，RELA，NFKBIA

在biopython中查找帮助，并为entrez提供API教程，我得到了以下内容：

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

但这件事一直在出错。我已经发现，如果id是一个数字id (尽管您必须将其输入到字符串中才能使用，“186972394”所以：

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

这得到了我想要的信息，其中包括序列。

，所以现在要问的问题是：，我如何搜索基因名(因为我没有id号)，或者很容易地将我的基因名转换成id来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']

这将返回id作为列表，如果没有找到id，则为[]。现在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()

这将给您一个fasta字符串，您可以将其保存到文件中。

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

Answer 2

在本教程的8.3节中，似乎有一个函数允许您搜索术语并获取相应的ID(我对这个库一无所知，对生物学的了解更少，因此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引用了esearch函数返回的实际ID号(在响应的IdList属性中)。但是，如果使用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(它看起来像AND工作)，您可以尝试使用以下查询：

>>> 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，可以执行如下操作：

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"]转换为以逗号分隔的字符串，并通过以下方式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'