名称: bioservices 描述: “用于 40+ 生物信息学服务的首要 Python 工具。首选用于多数据库工作流：UniProt、KEGG、ChEMBL、PubChem、Reactome、QuickGO。统一 API 用于查询、ID 映射、通路分析。对于直接 REST 控制，使用单个数据库技能（uniprot-database、kegg-database）。”

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。检索生物数据、执行跨数据库查询、映射标识符、分析序列并在 Python 工作流中集成多个生物资源。该包透明地处理 REST 和 SOAP/WSDL 协议。

何时使用此技能

此技能应在以下情况下使用：

从 UniProt、PDB、Pfam 检索蛋白质序列、注释或结构
通过 KEGG 或 Reactome 分析代谢通路和基因功能
在化合物数据库（ChEBI、ChEMBL、PubChem）中搜索化学信息
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 对齐）
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(): 使用灵活搜索词查询 UniProt
retrieve(): 获取各种格式的蛋白质条目（FASTA、XML、tab）
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 详情。

2. 通路发现和分析

访问基因和生物体的 KEGG 通路信息：

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

# 按名称查找通路
k.lookfor_pathway("B cell")  # 返回匹配的通路 ID

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

# 检索和解析通路数据
data = k.get("hsa04660")
parsed = k.parse(data)

# 提取通路相互作用
interactions = k.parse_kgml_pathway("hsa04660")
relations = interactions['relations']  # 蛋白质-蛋白质相互作用

# 转换为简单交互格式
sif_data = k.pathway2sif("hsa04660")

关键方法：

lookfor_organism()、lookfor_pathway(): 按名称搜索
get_pathway_by_gene(): 查找包含基因的通路
parse_kgml_pathway(): 提取结构化通路数据
pathway2sif(): 获取蛋白质相互作用网络

参考：references/workflow_patterns.md 获取完整的通路分析工作流。

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

# 获取带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 交叉引用
u = UniChem()
chembl_id = u.get_compound_id_from_kegg("C11222")  # 返回 CHEMBL278315

常见工作流：

在 KEGG 中按名称搜索化合物
提取 KEGG 化合物 ID
使用 UniChem 进行 KEGG → ChEMBL 映射
ChEBI ID 通常提供在 KEGG 条目中

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 搜索和序列对齐：

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（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（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+ 其他。

多服务集成工作流

BioServices 擅长结合多个服务进行全面分析。常见集成模式：

完整蛋白质分析管道

执行完整的蛋白质表征工作流：

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

此脚本演示：

UniProt 搜索蛋白质条目
FASTA 序列检索
BLAST 相似性搜索
KEGG 通路发现
PSICQUIC 相互作用映射

通路网络分析

分析生物体的所有通路：

python scripts/pathway_analysis.py hsa output_directory/

提取和分析：

生物体的所有通路 ID
每通路的蛋白质-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

在数据库之间映射化合物标识符：

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）：Pandas DataFrames 用于表格数据
字典/JSON：直接 Python 操作
FASTA：BioPython 集成用于序列分析

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 请求详情
k.TIMEOUT = 30  # 调整慢连接的超时

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"搜索失败: {e}")

生物体代码

使用标准生物体缩写：

hsa：智人（人类）
mmu：小鼠
dme：果蝇
sce：酿酒酵母（酵母）

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

与其他工具集成

BioServices 与以下工具良好协作：

BioPython：在检索的 FASTA 数据上进行序列分析
Pandas：表格数据操作
PyMOL：3D 结构可视化（检索 PDB ID）
NetworkX：通路相互作用的网络分析
Galaxy：工作流平台的自定义工具包装器

资源

scripts/

演示完整工作流的可执行 Python 脚本：

protein_analysis_workflow.py：端到端蛋白质表征
pathway_analysis.py：KEGG 通路发现和网络提取
compound_cross_reference.py：多数据库化合物搜索
batch_id_converter.py：批量标识符映射工具

脚本可以直接执行或适应特定用例。

references/

按需加载的详细文档：

services_reference.md：所有 40+ 服务及方法的全面列表
workflow_patterns.md：详细多步分析工作流
identifier_mapping.md：跨数据库 ID 转换的完整指南

在处理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。包在 Python 3.9-3.12 上测试。

附加信息

有关详细 API 文档和高级功能，请参考：

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