名称: uniprot 描述: > 访问UniProt数据库，用于检索蛋白质序列和注释信息。使用此技能的场景：(1) 通过登录号查找蛋白质序列，(2) 查找功能注释，(3) 获取结构域边界，(4) 查找同源蛋白和变异体，(5) 交叉引用PDB结构。

如需检索结构信息，请使用pdb技能。如需进行序列设计，请使用proteinmpnn技能。许可证: MIT 类别: 实用工具标签: [数据库, 序列, 注释]

UniProt数据库访问

注意: 此技能直接使用UniProt REST API。无需Modal部署 - 所有操作均通过HTTP请求在本地运行。

获取序列

通过登录号

# FASTA格式
curl "https://rest.uniprot.org/uniprotkb/P00533.fasta"

# JSON格式（含注释）
curl "https://rest.uniprot.org/uniprotkb/P00533.json"

使用Python

import requests

def get_uniprot_sequence(accession):
    """从UniProt获取序列。"""
    url = f"https://rest.uniprot.org/uniprotkb/{accession}.fasta"
    response = requests.get(url)
    if response.ok:
        lines = response.text.strip().split('
')
        header = lines[0]
        sequence = ''.join(lines[1:])
        return header, sequence
    return None, None

获取注释信息

完整条目

def get_uniprot_entry(accession):
    """以JSON格式获取完整的UniProt条目。"""
    url = f"https://rest.uniprot.org/uniprotkb/{accession}.json"
    response = requests.get(url)
    return response.json() if response.ok else None

entry = get_uniprot_entry("P00533")
print(f"蛋白质: {entry['proteinDescription']['recommendedName']['fullName']['value']}")

结构域边界

def get_domains(accession):
    """提取结构域注释。"""
    entry = get_uniprot_entry(accession)
    domains = []

    for feature in entry.get('features', []):
        if feature['type'] == 'Domain':
            domains.append({
                'name': feature.get('description', ''),
                'start': feature['location']['start']['value'],
                'end': feature['location']['end']['value']
            })

    return domains

# 示例：EGFR结构域
domains = get_domains("P00533")
# [{'name': '激酶', 'start': 712, 'end': 979}, ...]

搜索UniProt

通过基因名称

def search_uniprot(query, organism=None, limit=10):
    """通过查询词搜索UniProt。"""
    url = "https://rest.uniprot.org/uniprotkb/search"
    params = {
        "query": query,
        "format": "json",
        "size": limit
    }
    if organism:
        params["query"] += f" AND organism_id:{organism}"

    response = requests.get(url, params=params)
    return response.json()['results']

# 搜索人类EGFR
results = search_uniprot("EGFR", organism=9606)

通过序列相似性（BLAST）

# 使用UniProt BLAST
# https://www.uniprot.org/blast

交叉引用

获取PDB结构

def get_pdb_references(accession):
    """获取UniProt条目对应的PDB结构。"""
    entry = get_uniprot_entry(accession)
    pdbs = []

    for xref in entry.get('uniProtKBCrossReferences', []):
        if xref['database'] == 'PDB':
            pdbs.append({
                'pdb_id': xref['id'],
                'method': xref.get('properties', [{}])[0].get('value', ''),
                'chains': xref.get('properties', [{}])[1].get('value', '')
            })

    return pdbs

# 示例：EGFR的PDB结构
pdbs = get_pdb_references("P00533")

常见用例

靶标选择

# 1. 通过名称查找蛋白质
results = search_uniprot("胰岛素受体", organism=9606)

# 2. 获取登录号
accession = results[0]['primaryAccession']  # 例如：P06213

# 3. 获取结构域
domains = get_domains(accession)

# 4. 查找PDB结构
pdbs = get_pdb_references(accession)

# 5. 下载最佳结构用于设计

序列比对信息

def get_sequence_variants(accession):
    """从UniProt获取天然变异体。"""
    entry = get_uniprot_entry(accession)
    variants = []

    for feature in entry.get('features', []):
        if feature['type'] == 'Natural variant':
            variants.append({
                'position': feature['location']['start']['value'],
                'original': feature.get('alternativeSequence', {}).get('originalSequence', ''),
                'variant': feature.get('alternativeSequence', {}).get('alternativeSequences', [''])[0],
                'description': feature.get('description', '')
            })

    return variants

API参考

端点	描述
`/uniprotkb/{id}.fasta`	FASTA序列
`/uniprotkb/{id}.json`	完整条目JSON
`/uniprotkb/search`	搜索条目
`/uniprotkb/stream`	批量下载

故障排除

条目未找到: 检查登录号格式（例如：P00533） 速率限制: 在请求之间添加延迟 大型下载: 使用流式端点配合分页

下一步: 使用esm技能获取序列嵌入，或使用colabfold技能进行结构预测。

如需检索结构信息，请使用pdb技能。 如需进行序列设计，请使用proteinmpnn技能。 许可证: MIT 类别: 实用工具 标签: [数据库, 序列, 注释]