使用biopython查询NCBI数据库

欢迎关注”生信修炼手册”!

NCBI网站是最常用的生物信息数据库之一，集成了pubmed,genebank等子数据库。最简便的用法当然是直接在网站上检索，为了方便检索，NCBI提供了自己的检索系统，称之为Entrez。

对于想要在命令行访问NCBI的人而言，NCBI也提供了Eutils工具，可以通过对应的API在命令行操作。biopython将Eutils工具进行了封装，通过Bio.Entrez子模块，可以在python环境中与NCBI进行交互。

E-utilities是由8个小程序组成的工具集，能够将符合语法规则的URL转换为对应数据库的检索条件，并返回检索结果，是Entrez检索系统和NCBI数据库的接口，biopython也提供了对应的功能

1. EInfo

该方法用于查看数据库的基本信息，用法如下

在使用这个系统时，我们必须提供一个邮箱地址，当你访问频繁或者违反了Eutils的使用规范时，会通过邮件与你沟通。Entrez.read方法将结果读取为一个dict对象，这样方便在python中查看和处理信息。

EInfo也可以查询某个特定的数据库的信息，用法如下

2. ESearch

该方法用于检索特定的数据库，提供数据库名称和检索的关键词即可，用法如下

在查询结果中，会返回数据库中的ID，可以结合后续的其他命令来下载。

3. EPost

该方法用于上传待查询的ID到NCBI服务器，一次可以上传多个ID, 用法如下

上传之后可以获取webenv, query_key变量的值，这些值可以通过efetch等命令来获取并下载对应的记录。

4. ESummary

该方法用于下载对应的摘要信息，用法如下

5. EFetch

该方法用于下载数据库中的内容，用法如下

通过rettype和retmode参数可以指定下载文件的格式，对于批量下载，推荐将下载之后的数据另存为文件，然后在通过Bio.SeqIO模块来读取。

6. ELink

该方法用于数据库之间的交叉查询，用法如下

以上例子展示了在gene和clinvar两个数据库之间进行交叉查询的方式，根据基因ID获取对应的clinvar数据库中该基因上包含的突变位点的信息。

7. EGQuery

该方法用于统计检索项在各个数据库中检索到的条目，用法如下

8. ESpell

该方法用于自动校正拼写错误，用法如下

在实际使用中，ESearch, ELink, EFetch这3个命令时最为常用的，通过ESearch和ELink进行查询，获取对应的数据库ID, 然后通过EFectch命令进行下载。

·end·

—如果喜欢，快分享给你的朋友们吧—

原创不易，欢迎收藏，点赞，转发！生信知识浩瀚如海，在生信学习的道路上，让我们一起并肩作战！

本公众号深耕耘生信领域多年，具有丰富的数据分析经验，致力于提供真正有价值的数据分析服务，擅长个性化分析，欢迎有需要的老师和同学前来咨询。