从 Python Entrez 字典返回值

Question

我想从 Entrez Gene 页面中抓取 Interactions 表。

Interactions 表是从 Web 服务器填充的，当我尝试在 R 中使用 XML 包时，我可以获得 Entrez 基因页面，但 Interactions 表体是空的（它没有被 Web 服务器填充） .

在 R 中处理网络服务器问题可能是可以解决的（我很想看看如何解决），但 Biopython 似乎是一条更容易的路径。

我整理了以下内容，这给了我想要的示例基因：

# Pull the Entrez gene page for MAP1B using Biopython

from Bio import Entrez
Entrez.email = "jamayfie@vasci.umass.edu"
handle = Entrez.efetch(db="gene", id="4131", retmode="xml")
record = Entrez.read(handle)
handle.close()

PPI_Entrez = []
PPI_Sym = []

# Find the Dictionary that contains the Interaction table
    for x in range(1, len(record[0]["Entrezgene_comments"])):
   if ('Gene-commentary_heading', 'Interactions') in record[0]["Entrezgene_comments"][x].items():
       for y in range(0, len(record[0]["Entrezgene_comments"][x]['Gene-commentary_comment'])):
          EntrezID = record[0]["Entrezgene_comments"][x]['Gene-commentary_comment'][y]['Gene-commentary_comment'][1]['Gene-commentary_source'][0]['Other-source_src']['Dbtag']['Dbtag_tag']['Object-id']['Object-id_id']
          PPI_Entrez.append(EntrezID)
          Sym = record[0]["Entrezgene_comments"][x]['Gene-commentary_comment'][y]['Gene-commentary_comment'][1]['Gene-commentary_source'][0]['Other-source_anchor']
          PPI_Sym.append(Sym)

# Return the desired values: I want the Entrez ID and Gene symbol for each interacting protein
PPI_Entrez  # Returns the EntrezID
PPI_Sym  # Returns the gene symbol

这段代码有效，给了我想要的东西。但我认为它很难看，并且担心如果 Entrez 基因页面的格式稍有变化，它会破坏代码。特别是，必须有一种比指定完整路径更好的方法来提取所需信息，就像我所做的那样：

record[0]["Entrezgene_comments"][x]['Gene-commentary_comment'][y]['Gene-commentary_comment'][1]['Gene-commentary_source'][0]['Other-source_anchor']

但如果不指定要下降的每个级别，我无法弄清楚如何在字典中进行搜索。当我尝试 find() 之类的函数时，它们会在下一层运行，但不会一直运行到底部。

是否有通配符、Python 等效的“//”，或者我可以用来在不命名完整路径的情况下访问 ['Object-id_id'] 的函数？也感谢其他关于更简洁代码的建议。

Answer 1

我不确定 Python 中的 xpath，但如果代码有效，那么我不会担心删除完整路径或 Entrez Gene XML 是否会改变。由于您第一次尝试 R，因此您可以使用下面对 Entrez Direct 的系统调用或像rentrez 这样的包来获取 XML。

doc <- xmlParse( system("efetch -db=gene -id=4131 -format xml", intern=TRUE) )

接下来，在http://www.ncbi.nlm.nih.gov/gene/4131#interactions处获取表中行对应的节点

x <- getNodeSet(doc, "//Gene-commentary_heading[.='Interactions']/../Gene-commentary_comment/Gene-commentary" )

length(x)
[1] 64
x[1]
x[50]

先尝试简单的东西

xmlToDataFrame(x[1:4])

  Gene-commentary_type  Gene-commentary_text Gene-commentary_refs Gene-commentary_source                         Gene-commentary_comment
1                   18   Affinity Capture-MS             24457600   BioGRID110304BioGRID   255BioGRID110304255GeneID8726EEDBioGRID114265
2                   18 Reconstituted Complex             20195357   BioGRID110304BioGRID   255BioGRID110304255GeneID2353FOSBioGRID108636
3                   18 Reconstituted Complex             20195357   BioGRID110304BioGRID 255BioGRID110304255GeneID1936EEF1DBioGRID108256
4                   18   Affinity Capture-MS     2345592220562859   BioGRID110304BioGRID  255BioGRID110304255GeneID6789STK4BioGRID112665
  Gene-commentary_create-date Gene-commentary_update-date
1                  2014461120                201410513330
2                201312810490                201410513330
3                201312810490                201410513330
4                 20137710360                201410513330

文本、参考文献、来源和日期等一些标签应该易于解析

sapply(x, function(x) paste( xpathSApply(x, ".//PubMedId", xmlValue), collapse=", "))

我不确定 cmets 或表中列出的产品、交互物和其他基因是如何存储在 XML 中的，但我在这里为每个节点获得了一个或三个符号和三个 id。

sapply(x, function(x) paste( xpathSApply(x, ".//Gene-commentary_comment//Other-source_anchor", xmlValue), collapse=" + "))
sapply(x, function(x) paste( xpathSApply(x, ".//Gene-commentary_comment//Object-id_id", xmlValue), collapse=" + "))

最后，由于我认为 Entrez Gene 只是复制 IntAct 和 BioGrid，您也可以尝试这些网站。 Biogrid 有一个非常简单的 Rest 服务，但你必须注册一个密钥。

url <- "http://webservice.thebiogrid.org/interactions?geneList=MAP1B&taxId=9606&includeHeader=TRUE&accesskey=[ your ACCESSKEY ]"

biogrid <- read.delim(url)
 dim(biogrid)
[1] 58 24

head(biogrid[, c(8:9,12)])
  Official.Symbol.Interactor.A Official.Symbol.Interactor.B      Experimental.System
1                       ANP32A                        MAP1B               Two-hybrid
2                        MAP1B                       ANP32A               Two-hybrid
3                       RASSF1                        MAP1B Affinity Capture-Western
4                       RASSF1                        MAP1B               Two-hybrid
5                       ANP32A                        MAP1B Affinity Capture-Western
6                          GAN                        MAP1B Affinity Capture-Western