rentrez 获取 NCBI 数据库数据

rentrez 是 E-utilities 的 R 包封装,用它可以在 R 语言代码简便地使用 E-utilities 省去创建 E-utilities 链接的麻烦。

NCBI 默认有访问限制,未设置 api key 时限制 3 次每秒,设置后限制 10 次每秒。如果有,通过 set_entrez_key 函数设置。

set_entrez_key("xxxxxx")

本质是设置环境变量 "ENTREZ_KEY" 直接设置环境变量也可以。

> set_entrez_key
function (key) 
{
    Sys.setenv(ENTREZ_KEY = key)
}
<bytecode: 0x5650672a7630>
<environment: namespace:rentrez>

列举可用的数据库 entrez_dbs 函数,常用的数据库大多都支持。

> entrez_dbs()
 [1] "pubmed"          "protein"         "nuccore"         "ipg"            
 [5] "nucleotide"      "structure"       "genome"          "annotinfo"      
 [9] "assembly"        "bioproject"      "biosample"       "blastdbinfo"    
[13] "books"           "cdd"             "clinvar"         "gap"            
[17] "gapplus"         "grasp"           "dbvar"           "gene"           
[21] "gds"             "geoprofiles"     "homologene"      "medgen"         
[25] "mesh"            "nlmcatalog"      "omim"            "orgtrack"       
[29] "pmc"             "popset"          "proteinclusters" "pcassay"        
[33] "protfam"         "pccompound"      "pcsubstance"     "seqannot"       
[37] "snp"             "sra"             "taxonomy"        "biocollections" 
[41] "gtr" 

查看某数据库总结 entrez_db_summary 函数。

> entrez_db_summary("nucleotide")
 DbName: nuccore
 MenuName: Nucleotide
 Description: Core Nucleotide db
 DbBuild: Build221030-1815m.1
 Count: 508239779
 LastUpdate: 2022/11/01 21:31 

查看某数据库支持的搜索字段(fields),可根据支持的字段定义搜索条件进行搜索。

> entrez_db_searchable("nucleotide")
Searchable fields for database 'nuccore'
  ALL    All terms from all searchable fields 
  UID    Unique number assigned to each sequence 
  FILT   Limits the records 
  WORD   Free text associated with record 
  TITL   Words in definition line 
  KYWD   Nonstandardized terms provided by submitter 
  AUTH   Author(s) of publication 
  JOUR   Journal abbreviation of publication 
  VOL    Volume number of publication 
  ISS    Issue number of publication 
  ...  # 剩下省略

esearch 搜索用 entrez_search 函数,字段用 [] 包含。

> es <- entrez_search(db = "nucleotide", term = "Human adenovirus 5[ORGN]", retmax = 5)
> es
Entrez search result with 681 hits (object contains 5 IDs and no web_history object)
 Search term (as translated):  "Human adenovirus 5"[Organism] 
> es$ids
[1] "2295556242" "2295556240" "2295556238" "2287989107" "2260395970"

函数 entrez_link 获取不同数据库的链接。比如从物种链接到核酸序列,可以获取一个物种对应核酸序列 id 列表,后续用于获取序列信息或下载序列等。

> el <- entrez_link(dbfrom = "taxonomy", id = 28285, db = "nucleotide")
> el
elink object with contents:
 $links: IDs for linked records from NCBI
 
> el$links
elink result with information from 2 databases:
[1] taxonomy_nuccore        taxonomy_nucleotide_exp
> el$links$taxonomy_nuccore[1:5]
[1] "9652377"    "9652366"    "296210"     "2295556242" "2295556240"

函数 entrez_summary 取得条目总结信息,设置 always_return_list = TRUE 让函数就算一个请求也返回列表,防止在 apply 或循环时出现非预期行为。

> es <- entrez_summary(db = "nucleotide", id = "2295556242")
> es
esummary result with 32 items:
 [1] uid          term         caption      title        extra       
 [6] gi           createdate   updatedate   flags        taxid       
[11] slen         biomol       moltype      topology     sourcedb    
[16] segsetsize   projectid    genome       subtype      subname     
[21] assemblygi   assemblyacc  tech         completeness geneticcode 
[26] strand       organism     strain       biosample    statistics  
[31] properties   oslt   
> es$organism
[1] "Human adenovirus 5"

函数 extract_from_esummary 从返回的总结对象提取需要信息。

> head(extract_from_esummary(es, "biomol"))
1884989923 1884989922 1884989921 1884989920 1884989919 1041463157 
 "genomic"  "genomic"  "genomic"  "genomic"  "genomic"  "genomic" 

函数 entrez_fetch 获取条目完整信息,常用于下载数据,如选择 nucleotide 数据库并返回类型为 fasta 时可以下载对应 fasta 信息,返回为字符串写入到文件,即完成了核酸序列 fasta 文件下载。

> el <- entrez_link(dbfrom = "taxonomy", id = "28285", db = "nucleotide")
> nu5 <- el$links$taxonomy_nuccore[1:5]
> nu5
[1] "9652377"    "9652366"    "296210"     "2295556242" "2295556240"
> ef <- entrez_fetch(db = "nucleotide", id = nu5, rettype = "fasta")
> temp <- tempfile()
> write(ef, temp)

web_history
NCBI 允许将搜索结果保存在服务器,然后调用结果,避免了下载结果、解析、上传解析结果的过程,也能避免产生过多的请求数目导致受限。如 entrez_link 设置参数 cmd = "neighbor_history" 将返回 web_history 对象。

以下载某物种核酸序列为例,默认的 entrez_link 返回对象需要自己取得核酸序列 id 列表(如前面的例子),然后用这些核酸序列输入到 entrez_fetch 从 NCBI 一条条下载核酸序列;如果用 web_history 因为对象保存在 NCBI 服务器,可以直接根据 web_history 下载物种的核酸序列,如下面的代码示例。

> el <- entrez_link(dbfrom = "taxonomy", id = "208893", db = "nucleotide", cmd = "neighbor_history")
> el
elink object with contents:
 $web_histories: Objects containing web history information

> el$web_histories
$taxonomy_nuccore
Web history object (QueryKey = 1, WebEnv = MCID_637d8b3...)

$taxonomy_nucleotide_exp
Web history object (QueryKey = 2, WebEnv = MCID_637d8b3...)

# 下载所有的该物种核酸序列
> ef <- entrez_fetch(db = "nucleotide", web_history = el$web_histories$taxonomy_nuccore, rettype = "fasta")
> str(ef)
 chr ">LC732340.1 Human respiratory syncytial virus A Fukui_S_258_2018 gene for attachment glycoprotein, partial cds\"| __truncated__
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 206,602评论 6 481
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,442评论 2 382
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 152,878评论 0 344
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,306评论 1 279
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,330评论 5 373
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,071评论 1 285
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,382评论 3 400
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,006评论 0 259
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,512评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,965评论 2 325
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,094评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,732评论 4 323
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,283评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,286评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,512评论 1 262
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,536评论 2 354
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,828评论 2 345

推荐阅读更多精彩内容