5

我试图从 UniProt 获得一些结果，这是一个蛋白质数据库（细节并不重要）。我正在尝试使用一些从一种 ID 转换为另一种 ID 的脚本。我可以在浏览器上手动执行此操作，但无法在 Python 中执行此操作。

在http://www.uniprot.org/faq/28中有一些示例脚本。我尝试了 Perl，它似乎可以工作，所以问题是我的 Python 尝试。（工作）脚本是：

## tool_example.pl ##
use strict;
use warnings;
use LWP::UserAgent;

my $base = 'http://www.uniprot.org';
my $tool = 'mapping';
my $params = {
  from => 'ACC', to => 'P_REFSEQ_AC', format => 'tab',
  query => 'P13368 P20806 Q9UM73 P97793 Q17192'
};

my $agent = LWP::UserAgent->new;
push @{$agent->requests_redirectable}, 'POST';
print STDERR "Submitting...\n";
my $response = $agent->post("$base/$tool/", $params);

while (my $wait = $response->header('Retry-After')) {
  print STDERR "Waiting ($wait)...\n";
  sleep $wait;
  print STDERR "Checking...\n";
  $response = $agent->get($response->base);
}

$response->is_success ?
  print $response->content :
  die 'Failed, got ' . $response->status_line . 
    ' for ' . $response->request->uri . "\n";

我的问题是：

1）你会如何在 Python 中做到这一点？

2) 我是否能够大规模“扩展”它（即，在查询字段中使用大量条目）？

4

6 回答 6

8

问题1：

这可以使用 python 的 urllibs 来完成：

import urllib, urllib2
import time
import sys

query = ' '.join(sys.argv)   

# encode params as a list of 2-tuples
params = ( ('from','ACC'), ('to', 'P_REFSEQ_AC'), ('format','tab'), ('query', query))
# url encode them
data = urllib.urlencode(params)    
url = 'http://www.uniprot.org/mapping/'

# fetch the data
try:
    foo = urllib2.urlopen(url, data)
except urllib2.HttpError, e:
    if e.code == 503:
        # blah blah get the value of the header...
        wait_time = int(e.hdrs.get('Retry-after', 0))
        print 'Sleeping %i seconds...' % (wait_time,)
        time.sleep(wait_time)
        foo = urllib2.urlopen(url, data)


# foo is a file-like object, do with it what you will.
foo.read()
于 2009-04-03T20:28:44.210 回答
1

假设您使用的是 Python 2.5。我们可以使用httplib直接调用网站：

import httplib, urllib
querystring = {}
#Build the query string here from the following keys (query, format, columns, compress, limit, offset)
querystring["query"] = "" 
querystring["format"] = "" # one of html | tab | fasta | gff | txt | xml | rdf | rss | list
querystring["columns"] = "" # the columns you want comma seperated
querystring["compress"] = "" # yes or no
## These may be optional
querystring["limit"] = "" # I guess if you only want a few rows
querystring["offset"] = "" # bring on paging 

##From the examples - query=organism:9606+AND+antigen&format=xml&compress=no
##Delete the following and replace with your query
querystring = {}
querystring["query"] =  "organism:9606 AND antigen" 
querystring["format"] = "xml" #make it human readable
querystring["compress"] = "no" #I don't want to have to unzip

conn = httplib.HTTPConnection("www.uniprot.org")
conn.request("GET", "/uniprot/?"+ urllib.urlencode(querystring))
r1 = conn.getresponse()
if r1.status == 200:
   data1 = r1.read()
   print data1  #or do something with it

然后，您可以围绕创建查询字符串创建一个函数，您应该离开。

于 2009-04-03T20:49:38.700 回答
1

您最好使用 EBI 的蛋白质标识符交叉引用服务将一组 ID 转换为另一组 ID。它有一个非常好的 REST 接口。

http://www.ebi.ac.uk/Tools/picr/

我还应该提到 UniProt 提供了非常好的网络服务。尽管如果您出于某种原因使用简单的 http 请求，那么它可能没有用。

于 2009-09-08T11:00:26.410 回答
1

看看这个bioservices。他们通过 Python 连接了许多数据库。 https://pythonhosted.org/bioservices/_modules/bioservices/uniprot.html

conda install bioservices --yes
于 2016-08-05T18:22:05.330 回答
1

作为对 O.rka 答案的补充：

问题一：

from bioservices import UniProt
u = UniProt()
res = u.get_df("P13368 P20806 Q9UM73 P97793 Q17192".split())

这将返回一个数据框，其中包含有关每个条目的所有信息。

问题2：相同的答案。这应该扩大规模。

免责声明：我是生物服务的作者

于 2018-01-25T09:18:54.970 回答
0

pip 中有一个 python 包，它完全符合你的要求

pip install uniprot-mapper
于 2014-03-10T09:04:08.540 回答