⚡

ENA数据库Skill ena-database

这个技能用于通过REST API和FTP访问欧洲核苷酸存档（ENA），检索DNA/RNA序列、原始读段（FASTQ）、基因组组装和相关元数据，适用于基因组学和生物信息学管道。支持多种数据格式和高级搜索功能，方便数据集成和分析。关键词：基因组学，生物信息学，序列数据，API访问，数据检索，欧洲核苷酸存档。

数据分析 0 次安装 0 次浏览 更新于 3/16/2026

名称: ena-database 描述: “通过API/FTP访问欧洲核苷酸存档。根据访问号检索DNA/RNA序列、原始读段（FASTQ）、基因组组装，适用于基因组学和生物信息学管道。支持多种格式。”

ENA数据库

概述

欧洲核苷酸存档（ENA）是一个全面的公共存储库，用于存储核苷酸序列数据和相关元数据。通过REST API和FTP访问和查询DNA/RNA序列、原始读段、基因组组装和功能注释，适用于基因组学和生物信息学管道。

何时使用此技能

此技能应在以下情况下使用：

  • 根据访问号检索核苷酸序列或原始测序读段
  • 通过元数据标准搜索样品、研究或组装
  • 下载FASTQ文件或基因组组装用于分析
  • 查询生物体的分类学信息
  • 访问序列注释和功能数据
  • 将ENA数据集成到生物信息学管道中
  • 执行跨数据库搜索以找到相关记录
  • 通过FTP或Aspera批量下载数据集

核心功能

1. 数据类型和结构

ENA将数据组织成层次化的对象类型：

研究/项目 - 分组相关数据并控制发布日期。研究是引用归档数据的主要单位。

样品 - 代表产生测序文库的生物材料单元。在提交大多数数据类型之前必须注册样品。

原始读段 - 包括：

  • 实验：关于测序方法、文库制备和仪器细节的元数据
  • 运行：引用包含单次测序运行的原始测序读段的数据文件

组装 - 基因组、转录组、宏基因组或宏转录组组装，具有不同完成水平。

序列 - 存储在EMBL核苷酸序列数据库中的组装和注释序列，包括编码/非编码区域和功能注释。

分析 - 从序列数据的计算分析中得出的结果。

分类学记录 - 分类学信息，包括谱系和等级。

2. 程序化访问

ENA提供多个REST API用于数据访问。请查阅references/api_reference.md以获取详细的端点文档。

关键API：

ENA门户API - 跨所有ENA数据类型的高级搜索功能

ENA浏览器API - 直接检索记录和元数据

ENA分类学REST API - 查询分类学信息

  • 访问谱系、等级和相关分类学数据

ENA交叉引用服务 - 访问外部数据库中的相关记录

CRAM参考注册表 - 检索参考序列

速率限制：所有API的速率限制为每秒50个请求。超出此限制将返回HTTP 429（请求过多）。

3. 搜索和检索数据

基于浏览器的搜索：

  • 跨所有字段的自由文本搜索
  • 序列相似性搜索（BLAST集成）
  • 交叉引用搜索以找到相关记录
  • 使用Rulespace查询构建器进行高级搜索

程序化查询：

  • 使用门户API进行大规模高级搜索
  • 按数据类型、日期范围、分类学或元数据字段筛选
  • 下载结果作为表格化元数据摘要或XML记录

示例API查询模式：

import requests

# 搜索特定研究中的样品
base_url = "https://www.ebi.ac.uk/ena/portal/api/search"
params = {
    "result": "sample",
    "query": "study_accession=PRJEB1234",
    "format": "json",
    "limit": 100
}

response = requests.get(base_url, params=params)
samples = response.json()

4. 数据检索格式

元数据格式：

  • XML（原生ENA格式）
  • JSON（通过门户API）
  • TSV/CSV（表格化摘要）

序列数据：

  • FASTQ（原始读段）
  • BAM/CRAM（对齐读段）
  • FASTA（组装序列）
  • EMBL平面文件格式（注释序列）

下载方法：

  • 直接API下载（小文件）
  • FTP用于批量数据传输
  • Aspera用于高速传输大型数据集
  • enaBrowserTools命令行实用程序用于批量下载

5. 常见用例

通过访问号检索原始测序读段：

# 使用浏览器API下载运行文件
accession = "ERR123456"
url = f"https://www.ebi.ac.uk/ena/browser/api/xml/{accession}"

搜索研究中的所有样品：

# 使用门户API列出样品
study_id = "PRJNA123456"
url = f"https://www.ebi.ac.uk/ena/portal/api/search?result=sample&query=study_accession={study_id}&format=tsv"

查找特定生物的组装：

# 通过分类学搜索组装
organism = "Escherichia coli"
url = f"https://www.ebi.ac.uk/ena/portal/api/search?result=assembly&query=tax_tree({organism})&format=json"

获取分类学谱系：

# 查询分类学API
taxon_id = "562"  # 大肠杆菌
url = f"https://www.ebi.ac.uk/ena/taxonomy/rest/tax-id/{taxon_id}"

6. 与分析管道集成

批量下载模式：

  1. 使用门户API搜索符合标准的访问号
  2. 从搜索结果中提取文件URL
  3. 通过FTP或使用enaBrowserTools下载文件
  4. 在管道中处理下载的数据

BLAST集成： 与EBI的NCBI BLAST服务（REST/SOAP API）集成，对ENA序列进行序列相似性搜索。

7. 最佳实践

速率限制：

  • 在收到HTTP 429响应时实现指数退避
  • 尽可能批量请求以保持在每秒50个请求的限制内
  • 对于大型数据集，使用批量下载工具而不是迭代API调用

数据引用：

  • 发表时始终使用研究/项目访问号进行引用
  • 包括所使用的特定样品、运行或组装的访问号

API响应处理：

  • 在处理响应前检查HTTP状态码
  • 使用适当的XML库解析XML响应（不使用正则表达式）
  • 处理大型结果集的分页

性能：

  • 使用FTP/Aspera下载大于100MB的文件
  • 当仅需要元数据时，优先选择TSV/JSON格式而不是XML
  • 在处理许多记录时，本地缓存分类学查找

资源

此技能包含详细的参考文档，用于使用ENA：

references/

api_reference.md - 全面的API端点文档，包括：

  • 门户API和浏览器API的详细参数
  • 响应格式规范
  • 高级查询语法和操作符
  • 用于筛选和搜索的字段名称
  • 常见API模式和示例

在构建复杂API查询、调试API响应或需要特定参数详细信息时，加载此参考文档。