用biopython从entrez获取基因序列

Question

这就是我想做的。 我有一个基因名列表，例如：[ITGB1，RELA，NFKBIA]

在查找entrez的biopython帮助和API教程时，我想到了这个：

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

但这一直在出错。我发现如果id是一个数字id（尽管您必须将其转换为字符串才能使用，'186972394'所以：

^{pr2}$

这给了我我想要的信息，包括序列。在

现在我们来回答这个问题： 我怎样才能搜索基因名（因为我没有id号）或者很容易地将我的基因名转换成id来获得我拥有的基因列表的序列。在

谢谢你

Answer 1

首先是基因名，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id

^{pr2}$

如果没有找到id，则返回id作为一个列表。现在假设它返回列表中的1项。在

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()

这将为您提供一个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

看看本教程的第8.3节，似乎有一个函数可以让您搜索术语并获得相应的id（我对这个库一无所知，对生物学更不了解，因此这可能完全错误：））。在

>>> 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指的是esearch函数（在响应的IdList属性中）返回的实际ID号。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。完全未测试，但假设搜索支持布尔运算符（看起来AND有效），您可以尝试使用如下查询：

^{pr2}$

要生成要插入的术语，可以执行以下操作：

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，record["IdList"]可以转换为逗号分隔的字符串，并通过如下方法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'