uniprot

用途

UniProt 技能用于访问 UniProt 数据库，检索蛋白质序列与注释信息。该技能直接使用 UniProt REST API，无需 Modal 部署，所有操作均通过本地 HTTP 请求完成。

主要能力

• 按登录号获取蛋白质序列（FASTA 格式或带注释的 JSON 格式）。
• 获取完整 UniProt 条目，包括蛋白质名称等描述信息。
• 提取结构域注释，包括结构域名称、起始和结束位置。
• 按基因名或关键词搜索 UniProt，可限定物种（如 organism_id:9606 表示人类）。
• 通过 UniProt BLAST 进行序列相似性搜索（链接至 https://www.uniprot.org/blast）。
• 获取交叉引用，例如 PDB 结构，包括 PDB ID、方法和链信息。
• 获取自然变异信息，包括位置、原始序列、变异序列和描述。

使用方式

获取序列

按登录号获取 FASTA 格式：

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

获取带注释的 JSON 格式：

curl "https://rest.uniprot.org/uniprotkb/P00533.json"

使用 Python：

import requests

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

获取注释

获取完整条目：

def get_uniprot_entry(accession):
    """Fetch full UniProt entry as JSON."""
    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"Protein: {entry['proteinDescription']['recommendedName']['fullName']['value']}")

提取结构域边界：

def get_domains(accession):
    """Extract domain annotations."""
    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

# Example: EGFR domains
domains = get_domains("P00533")
# [{'name': 'Kinase', 'start': 712, 'end': 979}, ...]

搜索 UniProt

按基因名搜索：

def search_uniprot(query, organism=None, limit=10):
    """Search UniProt by query."""
    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']

# Search for human EGFR
results = search_uniprot("EGFR", organism=9606)

按序列相似性搜索（BLAST）：

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

交叉引用

获取 PDB 结构：

def get_pdb_references(accession):
    """Get PDB structures for UniProt entry."""
    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

# Example: PDB structures for EGFR
pdbs = get_pdb_references("P00533")

常见使用场景

靶点选择：

# 1. Find protein by name
results = search_uniprot("insulin receptor", organism=9606)

# 2. Get accession
accession = results[0]['primaryAccession']  # e.g., P06213

# 3. Get domains
domains = get_domains(accession)

# 4. Find PDB structure
pdbs = get_pdb_references(accession)

# 5. Download best structure for design

序列比对信息：

def get_sequence_variants(accession):
    """Get natural variants from UniProt."""
    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

适用场景

• 按登录号查找蛋白质序列。
• 查找蛋白质功能注释、结构域边界和自然变异。
• 按基因名或关键词搜索蛋白质，并限定物种。
• 获取与 UniProt 条目关联的 PDB 结构，用于后续蛋白质设计。
• 为下游任务准备序列，例如使用 esm 生成嵌入，或使用 chai / boltz 进行结构预测。

限制与故障排除

• 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 stream 端点并配合分页。
• 该技能依赖 UniProt REST API 的可用性，未提供离线或本地数据库方案。
• 未提供关于收费、价格或平台支持的说明。