问题标签 [rentrez]

我是通过 Biopython 和几个 R 包（rentrez 和 reutil）访问 Entrez 的新手。使用 esummary 访问“nuccore”数据库时，Biopython 返回的输出字段与 R 包返回的输出字段不同。

Python：

Biopython 返回的字段是：

['AccessionVersion','Caption','Comment','CreateDate','Extra','Flags','Gi','Id','Item','Length','ReplacedBy','Status',' TaxId','Title','UpdateDate']

R（reutil包）：

而 R 包 reutil 和rentrez 返回的字段是： 31 项的摘要结果：

['uid', 'caption', 'title', 'extra', 'gi', 'createdate', 'updatedate', 'flags', 'taxid', 'slen', 'biomol', 'moltype', '拓扑'，'sourcedb'，'segsetsize'，'projectid'，'genome'，'subtype'，'subname'，'assemblygi'，'assemblyacc'，'tech'，'completeness'，'geneticcode'，'strand' , '有机体', '菌株', '生物样本', '统计', '属性', 'oslt']

提前致谢。

我编写了以下函数来使用 Entrez 从 PubMed 中提取数据：

但是，此功能并不总是有效，因为并非所有 MEDLINE 记录都包含所有字段。例如，此PMID不包含任何 MeSH 标题。

我可以用 try-except 语句包装每个项目，例如abstract：

但这似乎是一种笨拙的实现方式。有什么更优雅的解决方案？

天啊。我在从我的代码中删除 for 循环方面非常糟糕，因为我发现它们非常直观，而且我首先学习了 C++。下面，我正在为搜索（在本例中为 copd）获取 ID，并使用该 ID 检索其完整的 XML 文件，并将其位置保存到向量中。我不知道如何加快速度，在 700 个 ID 上运行大约需要 5 分钟，而大多数搜索都有 70,000 多个 ID。感谢您的任何指导。

我有一个奇怪的情况。我正在使用rentrez. 当我运行entrez_search()然后entrez_summary()然后entrez_fetch()我收到此错误消息（帖子底部的完整代码）：

在四处搜索之后，我想我已经在这个关于查询大小的讨论中找到了解决方案。当我retmax_set从 500 减少到 10 时，代码起作用了。然后我反复确定retmax_set不会引发错误的最大值，并发现在我看来是非常奇怪的行为。

搜索term_set = "transcription AND enhancer AND promoter AND 2017:2018[PDAT]"产生 552 条记录。使用不同的值运行我的代码时retmax：

• 设置retmax_set<= 183 作品
• 设置retmax_set>= 184 给出上述错误

修改后的搜索term_set = "transcription AND enhancer AND promoter AND 2018[PDAT]"产生 186 条记录。使用不同的值运行此搜索时retmax：

• 设置retmax_set<= 61 作品
• 设置retmax_set>= 62 给出上述错误

搜索term_set = "transcription AND enhancer AND promoter AND 2017[PDAT]"产生 395 条记录（出于某种原因，PubMed 将 29 条记录标记为 2017 年和 2018 年发布）。当在这个搜索词上运行我的代码时，具有不同的值retmax：

• 设置retmax_set<= 131 作品
• 设置retmax_set>= 132 给出上述错误

retmax有趣的是，当值大于记录总数的三分之一（552 / 3 = 184、186 / 3 = 62、395 / 3 = 131.67）时，所有三个搜索都开始失败。我将修改我的代码以retmax_set根据返回的结果数进行计算entrez_search，但我不知道为什么rentrez或 NCBI 会这样做。有任何想法吗？

tl; dr：由 生成的摘要列表有什么不同rentrez，为什么所述列表在rentrez使用 合并后停止与其他函数一起使用append()？

我正在使用rentrez. 我可以毫无问题地搜索出版物和下载摘要。但是，摘要列表一定有一些我不理解的特殊之处，因为当我过去append()尝试合并列表时，事情就崩溃了。通过阅读文档，我无法弄清楚这种差异是什么。这是允许我毫无问题地搜索 Pubmed 和下载记录的代码：

但是，使用summary.l <- list()and thensummary.l[[length(summary.l)+1]] <- entrez_summary(...会产生一个摘要列表列表（在此搜索中为 3 个子列表）。这会导致for数据提取的后续步骤中出现多个循环（如下），并且是一种笨拙的数据结构。

在下面的代码中使用append()给出了所有 1334 个摘要的单个列表，避免了子列表。

但是，在后续步骤中extract_from_esummary()会引发错误，即使文档说明该参数esummaries应该是一个 esummary 对象列表。

产生少于 500 条记录的搜索可以在一次调用中完成，entrez_summary()并且不需要连接列表。结果，下面的代码有效。

为什么会append()破坏摘要，这可以避免吗？谢谢。

我想从 NCBI 条目的 features 部分中提取一些信息，我正在使用此代码。下载数据

分析数据

我只对功能感兴趣

我想创建一个像

但是我不明白如何检索数据

我看过 Pubmed 的一些教程，效果很好，但输出的结构不同。最后，我想创建一个循环以从 ID 列表中提取数据，并且由于并非所有条目都具有相同的结构，因此我想使用标签host organism来检索该信息。

我想提出数千个 entrez 请求。我知道除非您拥有 API 密钥，否则您每秒不得发出超过 3 个请求。rentrez 介绍说，rentrez 强制执行此限制。

我只是想确保 NCBI 不会阻止我，所以性能不是这里的问题。

https://cran.r-project.org/web/packages/rentrez/vignettes/rentrez_tutorial.html

但是，如果我与 结合lapply()怎么entrez_search()办？

在这种情况下，rentrez 是否仍然强制执行请求限制，或者我是否必须在我的代码中引入停止？

我有一个包含两个变量列表的数据框。列表中的每个观察都包含不同长度的元素。例如，变量“accession”的第 4 个包含一个元素，但第 7 个包含两个元素。 当前数据框

我想制作一个新的数据框，将两个列表组合在一起，如下所示： 我想要的最终数据框

谢谢你帮助我！

这是我目前拥有的数据框。

这是我希望拥有的数据框结果

我有蛋白质，我想找到它们对应的核苷酸序列。我也有发现蛋白质的基因组。在基因组中，我找到了该蛋白质的相应基因 ID。但是，我在获取带有 Gene ID 的核苷酸序列时遇到了麻烦。我曾尝试使用 Entrez Efetch：

但这仅返回以下内容：

反正有没有使用 Efetch 获得实际的核苷酸序列？提前致谢！

我有一个 entrez 命令，我正在通过 R 中的一个循环，它似乎在一段时间内工作得很好，但我最终得到了一个我很难弄清楚的错误。

下面的循环将在第 1020 个迭代器上开始失败：

在这种情况下，您不需要我试图从中提取的属的实际载体：

应该做得很好。我一直无法找到使错误更早出现的方法（以便于诊断），并且要求 R 关闭所有打开的连接似乎没有帮助（包含在上面的代码中）。我知道我可以诉诸将我的向量分解成更小的部分并以这种方式运行，但这似乎有点像放弃。

在 MacOS 上运行：