使用biopython从entrez获取基因序列

Question

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

查找biopython中的帮助和entrez的API教程我想出了这个：

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

但这一直出错。我发现如果 id 是数字 id（尽管您必须将其放入字符串中才能使用，“186972394”），那么：

handle = Entrez.efetch(db="nucleotide", id='186972394' ,rettype="gb")

这让我得到了我想要的信息，其中包括序列。

现在的问题是： 我如何搜索基因名称（因为我没有 ID 号）或轻松地将我的基因名称转换为 id 以获取我拥有的基因列表的序列。

谢谢你，

Answer 1

首先是基因名称，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 ids

handle = Entrez.esearch(db="nucleotide", term=search_string)
record = Entrez.read(handleA)
ids = record['IdList']

如果没有找到 id，则返回 ids 作为列表。现在假设它返回列表中的 1 项。

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'))