BioServices

BioServices

概述

BioServices 是一个 Python 包，提供对大约 40 个生物信息学 Web 服务和数据库的程序化访问。在 Python 工作流程中检索生物数据、执行跨数据库查询、映射标识符、分析序列并集成多个生物资源。该包透明地处理 REST 和 SOAP/WSDL 协议。

何时使用此技能

在以下情况应使用此技能：

• 从 UniProt、PDB、Pfam 检索蛋白质序列、注释或结构
• 通过 KEGG 或 Reactome 分析代谢途径和基因功能
• 搜索化合物数据库（ChEBI、ChEMBL、PubChem）以获取化学信息
• 在不同生物数据库之间转换标识符（KEGG↔UniProt、化合物 ID）
• 运行序列相似性搜索（BLAST、MUSCLE 比对）
• 查询基因本体术语（QuickGO、GO 注释）
• 访问蛋白质-蛋白质相互作用数据（PSICQUIC、IntactComplex）
• 挖掘基因组数据（BioMart、ArrayExpress、ENA）
• 在单个工作流程中集成来自多个生物信息学资源的数据

核心能力

1. 蛋白质分析

检索蛋白质信息、序列和功能注释：

from bioservices import UniProt

u = UniProt(verbose=False)

# 按名称搜索蛋白质
results = u.search("ZAP70_HUMAN", frmt="tab", columns="id,genes,organism")

# 检索 FASTA 序列
sequence = u.retrieve("P43403", "fasta")

# 在数据库之间映射标识符
kegg_ids = u.mapping(fr="UniProtKB_AC-ID", to="KEGG", query="P43403")

关键方法：

• search()：使用灵活的搜索词查询 UniProt
• retrieve()：以各种格式（FASTA、XML、tab）获取蛋白质条目
• mapping()：在数据库之间转换标识符

参考：references/services_reference.md 获取完整的 UniProt API 详细信息。

2. 途径发现和分析

访问 KEGG 途径信息以获取基因和生物体：

from bioservices import KEGG

k = KEGG()
k.organism = "hsa"  # 设置为人类

# 搜索生物体
k.lookfor_organism("droso")  # 查找果蝇物种

# 按名称查找途径
k.lookfor_pathway("B cell")  # 返回匹配的途径 ID

# 获取包含特定基因的途径
pathways = k.get_pathway_by_gene("7535", "hsa")  # ZAP70 基因

# 检索和解析途径数据
data = k.get("hsa04660")
parsed = k.parse(data)

# 提取途径相互作用
interactions = k.parse_kgml_pathway("hsa04660")
relations = interactions['relations']  # 蛋白质-蛋白质相互作用

# 转换为简单相互作用格式
sif_data = k.pathway2sif("hsa04660")

关键方法：

• lookfor_organism()、lookfor_pathway()：按名称搜索
• get_pathway_by_gene()：查找包含基因的途径
• parse_kgml_pathway()：提取结构化途径数据
• pathway2sif()：获取蛋白质相互作用网络

参考：references/workflow_patterns.md 获取完整的途径分析工作流程。

3. 化合物数据库搜索

在多个数据库中搜索和交叉引用化合物：

from bioservices import KEGG, UniChem

k = KEGG()

# 按名称搜索化合物
results = k.find("compound", "Geldanamycin")  # 返回 cpd:C11222

# 获取包含数据库链接的化合物信息
compound_info = k.get("cpd:C11222")  # 包括 ChEBI 链接

# 使用 UniChem 进行 KEGG → ChEMBL 映射
u = UniChem()
chembl_id = u.get_compound_id_from_kegg("C11222")  # 返回 CHEMBL278315

常见工作流程：

1. 在 KEGG 中按名称搜索化合物
2. 提取 KEGG 化合物 ID
3. 使用 UniChem 进行 KEGG → ChEMBL 映射
4. ChEBI ID 通常在 KEGG 条目中提供

参考：references/identifier_mapping.md 获取完整的跨数据库映射指南。

4. 序列分析

运行 BLAST 搜索和序列比对：

from bioservices import NCBIblast

s = NCBIblast(verbose=False)

# 针对 UniProtKB 运行 BLASTP
jobid = s.run(
    program="blastp",
    sequence=protein_sequence,
    stype="protein",
    database="uniprotkb",
    email="your.email@example.com"  # NCBI 要求
)

# 检查作业状态并检索结果
s.getStatus(jobid)
results = s.getResult(jobid, "out")

注意： BLAST 作业是异步的。在检索结果之前检查状态。

5. 标识符映射

在不同生物数据库之间转换标识符：

from bioservices import UniProt, KEGG

# UniProt 映射（支持许多数据库对）
u = UniProt()
results = u.mapping(
    fr="UniProtKB_AC-ID",  # 源数据库
    to="KEGG",              # 目标数据库
    query="P43403"          # 要转换的标识符
)

# KEGG 基因 ID → UniProt
kegg_to_uniprot = u.mapping(fr="KEGG", to="UniProtKB_AC-ID", query="hsa:7535")

# 对于化合物，使用 UniChem
from bioservices import UniChem
u = UniChem()
chembl_from_kegg = u.get_compound_id_from_kegg("C11222")

支持的映射（UniProt）：

• UniProtKB ↔ KEGG
• UniProtKB ↔ Ensembl
• UniProtKB ↔ PDB
• UniProtKB ↔ RefSeq
• 以及更多（参见 references/identifier_mapping.md）

6. 基因本体查询

访问 GO 术语和注释：

from bioservices import QuickGO

g = QuickGO(verbose=False)

# 检索 GO 术语信息
term_info = g.Term("GO:0003824", frmt="obo")

# 搜索注释
annotations = g.Annotation(protein="P43403", format="tsv")

7. 蛋白质-蛋白质相互作用

通过 PSICQUIC 查询相互作用数据库：

from bioservices import PSICQUIC

s = PSICQUIC(verbose=False)

# 查询特定数据库（例如，MINT）
interactions = s.query("mint", "ZAP70 AND species:9606")

# 列出可用的相互作用数据库
databases = s.activeDBs

可用数据库： MINT、IntAct、BioGRID、DIP 和 30 多个其他数据库。

多服务集成工作流程

BioServices 擅长于结合多个服务进行综合分析。常见的集成模式：

完整蛋白质分析流程

执行完整的蛋白质表征工作流程：

python scripts/protein_analysis_workflow.py ZAP70_HUMAN your.email@example.com

此脚本演示：

1. UniProt 搜索蛋白质条目
2. FASTA 序列检索
3. BLAST 相似性搜索
4. KEGG 途径发现
5. PSICQUIC 相互作用映射

途径网络分析

分析生物体的所有途径：

python scripts/pathway_analysis.py hsa output_directory/

提取和分析：

• 生物体的所有途径 ID
• 每个途径的蛋白质-蛋白质相互作用
• 相互作用类型分布
• 导出到 CSV/SIF 格式

跨数据库化合物搜索

跨数据库映射化合物标识符：

python scripts/compound_cross_reference.py Geldanamycin

检索：

• KEGG 化合物 ID
• ChEBI 标识符
• ChEMBL 标识符
• 基本化合物属性

批量标识符转换

一次转换多个标识符：

python scripts/batch_id_converter.py input_ids.txt --from UniProtKB_AC-ID --to KEGG

最佳实践

输出格式处理

不同的服务以各种格式返回数据：

• XML：使用 BeautifulSoup 解析（大多数 SOAP 服务）
• 制表符分隔（TSV）：用于表格数据的 Pandas DataFrame
• 字典/JSON：直接 Python 操作
• FASTA：用于序列分析的 BioPython 集成

速率限制和详细程度

控制 API 请求行为：

from bioservices import KEGG

k = KEGG(verbose=False)  # 抑制 HTTP 请求详细信息
k.TIMEOUT = 30  # 为慢速连接调整超时

错误处理

将服务调用包装在 try-except 块中：

try:
    results = u.search("ambiguous_query")
    if results:
        # 处理结果
        pass
except Exception as e:
    print(f"Search failed: {e}")

生物体代码

使用标准生物体缩写：

• hsa：智人（人类）
• mmu：小家鼠（小鼠）
• dme：黑腹果蝇
• sce：酿酒酵母

列出所有生物体：k.list("organism") 或 k.organismIds

与其他工具集成

BioServices 与以下工具配合良好：

• BioPython：对检索的 FASTA 数据进行序列分析
• Pandas：表格数据操作
• PyMOL：3D 结构可视化（检索 PDB ID）
• NetworkX：途径相互作用的网络分析
• Galaxy：工作流程平台的自定义工具包装器

资源

scripts/

演示完整工作流程的可执行 Python 脚本：

• protein_analysis_workflow.py：端到端蛋白质表征
• pathway_analysis.py：KEGG 途径发现和网络提取
• compound_cross_reference.py：多数据库化合物搜索
• batch_id_converter.py：批量标识符映射实用程序

脚本可以直接执行或针对特定用例进行调整。

references/

根据需要加载的详细文档：

• services_reference.md：所有 40 多个服务及其方法的综合列表
• workflow_patterns.md：详细的多步骤分析工作流程
• identifier_mapping.md：跨数据库 ID 转换的完整指南

在使用特定服务或复杂集成任务时加载参考。

安装

uv pip install bioservices

依赖项自动管理。软件包在 Python 3.9-3.12 上测试。

凭证

某些服务可能需要 API 密钥或凭证：

1. NCBI E-utilities：设置您的电子邮件

   from bioservices import BioGenis
   bio = BioGenis()
   bio.email = "your.email@example.com"

1. UniProt：某些高级功能可能需要令牌

   from bioservices import UniProt
   u = UniProt()

其他信息

有关详细的 API 文档和高级功能，请参阅：

• 官方文档：https://bioservices.readthedocs.io/
• 源代码：https://github.com/cokelaer/bioservices
• references/services_reference.md 中的服务特定参考