tahunami
2017-07-25 14:34:44 UTC
Me gustaría recopilar la secuencia de proteínas FASTA de Entrez con python 2.7. Estoy buscando proteínas que tengan las palabras clave: "terminasa" y "grande" en su nombre. Hasta ahora obtuve este código:
de Bio import EntrezEntrez.email = "example@example.org" searchResultHandle = Entrez.esearch (db = "protein", term = "terminase large", retmax = 1000) searchResult = Entrez.read (searchResultHandle) ids = searchResult ["IdList"] handle = Entrez.efetch (db = "protein", id = ids, rettype = "fasta", retmode = "text") record = handle.read () out_handle = open ('myfasta.fasta', 'w') out_handle.write (record.rstrip ('\ n')) Sin embargo, puede conseguirme varias terminaciones de varios organismos, mientras que solo necesito bacteriófagos de forma terminaasa (específicamente Virus [taxid 10239], huésped: bacteria). Me las arreglé para obtener los identificadores de acceso nuccore de NCBI de los virus en los que estoy interesado, pero no sé cómo combinar esas dos informaciones. El archivo de identificación se ve así:
NC_001341NC_001447NC_028834NC_023556 ... ¿Necesito acceder a cada archivo gb de cada ID y buscar mi proteína deseada en eso?
¡Bienvenido a Bioinformática! ¿Intentó agregar "[taxid 10239], host: bacteria" en la búsqueda en Entrez? De las fastas recuperadas, también puede verificar si la identificación es de su interés y luego omitir las que no
Lo intenté, pero no sé si mi sintaxis es correcta. Debería ser: term = "terminase bacterias grandes [organismo]"
El término búsqueda sería la misma consulta que estableciste en la página del NCBI, que es '("Virus" [Organismo]) Y (host [Todos los campos] Y ("Bacteria" [Organismo] O "Bacteria Latreille et al. 1825" [Organismo] O bacterias [Todos los campos])) '