使用Entrez查找NCBI核苷酸GFF格式的注释数据

Question

我正在研究NCBI核苷酸数据库中的细菌序列。如果我有一个登入，例如NC\u 002663，并且我需要GFF中的注释，我如何使用Entrez（最好是Biopython）轻松地做到这一点

如果我转到NCBIentry，我会看到指向程序集的链接。有没有一个简单的方法来编程访问它？Esummary服务不返回以下链接：

handle = Entrez.esummary(db='nucleotide', id='NC_002663')
record = Entrez.read(handle)

[DictElement({'Item': [], 'Id': '15601865', 'Caption': 'NC_002663', 'Title': 'Pasteurella multocida subsp. multocida str. Pm70, complete genome', 'Extra': 'gi|15601865|ref|NC_002663.1|[15601865]', 'Gi': IntegerElement(15601865, attributes={}), 'CreateDate': '2001/09/10', 'UpdateDate': '2018/01/11', 'Flags': IntegerElement(800, attributes={}), 'TaxId': IntegerElement(272843, attributes={}), 'Length': IntegerElement(2257487, attributes={}), 'Status': 'live', 'ReplacedBy': '', 'Comment': '  ', 'AccessionVersion': 'NC_002663.1'}, attributes={})]

我也许可以用“Title”搜索assemblydb，但似乎有更好的方法（没有那么多API调用）。 谢谢

Answer 1

我不确定NCBI是否允许通过编程方式（通过efetch）下载GFF´ 功能）还没有。您可以通过这种方式访问fasta或genbank文件，但没有列出GFFs

你可以的

• 从他们的网页手动下载（如果你只有几个文件要下载）
• 使用Entrez.efetch函数获取genbank文件，并将其转换为GFF
• 使用文件检索工具（如wget或其他）下载它

还有一个biomart包。它的R实现提到了函数getGFF，它可以查询多个数据库（尽管不是核苷酸数据库）。您可以检查它的python实现是否具有相同的可用功能，以及是否可以从中找到相同的文件