我正在寻找一种程序化方式来获取给定物种的所有 Uniprot id (Swiss-Prot + TrEMBL)（例如，所有以 _MOUSE 结尾的 Uniprot id）。
一种方法是解压缩并解析uniprot的流
此类文件仅适用于 Uniprot DB 中代表的所有物种的一小部分。因此，这个解决方案不是一个通用的解决方案。
我的问题是：是否有一种通用的、希望更有效的方法来做到这一点？ （我所说的“更高效”基本上是指它不需要这样的解压缩和解析。）
基本上我想知道 uniprot.org 是否支持基于 url 的查询，我可以在其中指定一些物种标识符（例如 MOUSE 或 10090），也许还有一些字段名称，如 UniprotID，以及谁的响应将是该物种的所有 Uniprot ID 的列表。
【问题讨论】：
标签： bioinformatics
我还没有查看您正在使用的 idmapping 文件。但我使用以下文件来获取给定物种的 ID：ftp://ftp.uniprot.org/pub/databases/uniprot/current_release/knowledgebase/complete/docs/speindex.txt
然后我像这样解析它：
#!/usr/bin/env perl
use strict;
use warnings;
my $spec = shift;
my $re = quotemeta $spec;
my @ids =();
while (<>) {
if (/$re/../^$/) {
chomp;
next if ($_ eq $spec); # skip species line
s/^\s+//; # remove trailing spaces
push @ids, split(/, ?/, $_);
}
}
print $_."\n" foreach @ids;
对“Mus musculus (Mouse)”使用命令行：
script.pl "Mus musculus (Mouse)" speindex.txt
我希望这会有所帮助...保罗
【讨论】：
您可以使用 uniprot.org 提供的其余 API 执行此操作，请参阅 faq on retrieving entries via queries。
大多数情况下，您希望使用 NCBI/UniProt 分类标识符而不是物种名称。例如10090 而不是“Mus musculus”，使用 ids 代替字符串更有可能得到正确的结果。
随着越来越多的测序项目，这些天来物种概念变得有点有趣，所以请注意你得到了什么以及为什么。
【讨论】：
如果您不想使用平面文件，可以使用 BioServices Python 包，它将从 UniProt 网站检索信息：
from bioservices import UniProt
u = UniProt()
results = u.search("organism:10090+and+reviewed:yes", columns="id,entry name", limit=2)
print(results)
结果变量是您需要解析的字符串。它包含 uniprot 条目和 uniprot 条目名称。上一个命令仅检索 2 个条目，但如果您删除参数 limit=2，您将获得所有条目。
例如，要获取所有条目名称，您可以键入：
results = u.search("organism:10090+and+reviewed:yes", columns="id,entry name", limit=2)
entries = [x.split()[1] for x in res.strip().split("\n")[1:]]
下载 17000 个条目需要几秒钟的时间。如果删除“reviewed:yes”，大约需要 30 秒到一分钟。
我希望这会有所帮助。
要使用 python 2.7 安装，只需键入：
pip install bioservices
【讨论】：