直接REST API访问UniProt。蛋白质搜索、FASTA检索、ID映射、Swiss-Prot/TrEMBL。对于使用多个数据库的Python工作流，推荐使用bioservices（统一接口到40+服务）。将此用于直接HTTP/REST工作或UniProt特定控制。

UniProt数据库

概述

UniProt是世界领先的综合性蛋白质序列和功能信息资源。通过名称、基因或登录号搜索蛋白质，以FASTA格式检索序列，在数据库之间执行ID映射，通过REST API访问Swiss-Prot/TrEMBL注释进行蛋白质分析。

何时使用此技能

应在以下情况使用此技能：

按名称、基因符号、登录号或生物体搜索蛋白质条目
以FASTA或其他格式检索蛋白质序列
在UniProt和外部数据库（Ensembl、RefSeq、PDB等）之间映射标识符
访问包括GO术语、结构域和功能描述在内的蛋白质注释
高效批量检索多个蛋白质条目
查询已审核（Swiss-Prot）与未审核（TrEMBL）蛋白质数据
流式处理大型蛋白质数据集
使用特定字段的搜索语法构建自定义查询

核心功能

1. 搜索蛋白质

使用自然语言查询或结构化搜索语法搜索UniProt。

常见搜索模式：

# 按蛋白质名称搜索
query = "insulin AND organism_name:\"Homo sapiens\""

# 按基因名称搜索
query = "gene:BRCA1 AND reviewed:true"

# 按登录号搜索
query = "accession:P12345"

# 按序列长度搜索
query = "length:[100 TO 500]"

# 按分类学搜索
query = "taxonomy_id:9606"  # 人类蛋白质

# 按GO术语搜索
query = "go:0005515"  # 蛋白质结合

使用API搜索端点：https://rest.uniprot.org/uniprotkb/search?query={query}&format={format}

支持的格式： JSON, TSV, Excel, XML, FASTA, RDF, TXT

2. 检索单个蛋白质条目

通过登录号检索特定的蛋白质条目。

登录号格式：

经典：P12345, Q1AAA9, O15530（6个字符：字母+5个字母数字）
扩展：A0A022YWF9（较新条目的10个字符）

检索端点： https://rest.uniprot.org/uniprotkb/{accession}.{format}

示例：https://rest.uniprot.org/uniprotkb/P12345.fasta

3. 批量检索和ID映射

在不同数据库系统之间映射蛋白质标识符并高效检索多个条目。

ID映射工作流程：

提交映射作业至：https://rest.uniprot.org/idmapping/run
检查作业状态：https://rest.uniprot.org/idmapping/status/{jobId}
检索结果：https://rest.uniprot.org/idmapping/results/{jobId}

支持映射的数据库：

UniProtKB AC/ID
基因名称
Ensembl, RefSeq, EMBL
PDB, AlphaFoldDB
KEGG, GO术语
以及更多（见/references/id_mapping_databases.md）

限制：

每个作业最多100,000个ID
结果存储7天

4. 流式处理大型结果集

对于超出分页限制的大型查询，使用流端点：

https://rest.uniprot.org/uniprotkb/stream?query={query}&format={format}

流端点返回所有结果而不分页，适合下载完整数据集。

5. 自定义检索字段

指定要检索的确切字段以实现高效数据传输。

常见字段：

accession - UniProt登录号
id - 条目名称
gene_names - 基因名称
organism_name - 生物体
protein_name - 蛋白质名称
sequence - 氨基酸序列
length - 序列长度
go_* - 基因本体论注释
cc_* - 注释字段（功能、相互作用等）
ft_* - 特征注释（结构域、位点等）

示例： https://rest.uniprot.org/uniprotkb/search?query=insulin&fields=accession,gene_names,organism_name,length,sequence&format=tsv

完整字段列表见/references/api_fields.md。

Python实现

对于编程访问，使用提供的辅助脚本scripts/uniprot_client.py，实现：

search_proteins(query, format) - 使用任何查询搜索UniProt
get_protein(accession, format) - 检索单个蛋白质条目
map_ids(ids, from_db, to_db) - 在标识符类型之间映射
batch_retrieve(accessions, format) - 检索多个条目
stream_results(query, format) - 流式处理大型结果集

替代Python包：

Unipressed：现代、类型化的UniProt REST API Python客户端
bioservices：全面的生物信息学网络服务客户端

查询语法示例

布尔运算符：

kinase AND organism_name:human
(diabetes OR insulin) AND reviewed:true
cancer NOT lung

特定字段搜索：

gene:BRCA1
accession:P12345
organism_id:9606
taxonomy_name:"Homo sapiens"
annotation:(type:signal)

范围查询：

length:[100 TO 500]
mass:[50000 TO 100000]

通配符：

gene:BRCA*
protein_name:kinase*

详细语法文档见/references/query_syntax.md。

最佳实践

尽可能使用已审核条目：使用reviewed:true过滤Swiss-Prot（人工 curated）条目
明确指定格式：选择最合适的格式（序列使用FASTA，表格数据使用TSV，程序解析使用JSON）
使用字段选择：仅请求您需要的字段以减少带宽和处理时间
处理分页：对于大型结果集，实现适当的分页或使用流端点
缓存结果：在本地存储频繁访问的数据以最小化API调用
速率限制：尊重API资源；为大型批处理操作实现延迟
检查数据质量：TrEMBL条目是计算预测；Swiss-Prot条目是人工审核

资源

scripts/

uniprot_client.py - 带有辅助函数的Python客户端，用于常见的UniProt操作，包括搜索、检索、ID映射和流式处理。

references/

api_fields.md - 用于自定义查询的可用字段完整列表
id_mapping_databases.md - ID映射操作支持的数据库
query_syntax.md - 带有高级示例的综合查询语法
api_examples.md - 多种语言（Python、curl、R）的代码示例

其他资源

API文档：https://www.uniprot.org/help/api
交互式API浏览器：https://www.uniprot.org/api-documentation
REST教程：https://www.uniprot.org/help/uniprot_rest_tutorial
查询语法帮助：https://www.uniprot.org/help/query-fields
SPARQL端点：https://sparql.uniprot.org/（用于高级图形查询）

UniProt数据库