uniprot-database

用途：提供对 UniProt 知识库（UniProtKB）、非冗余序列归档（UniParc）和聚类序列集（UniRef）的直接程序化访问，覆盖蛋白质发现、交叉引用、 curated 数据获取和数据库底层查询。主要能力包括：按功能注释、基因等搜索蛋白质序列；获取功能注释、GO 术语、亚细胞定位等元数据；通过 Taxonomy 与 Proteome 理解蛋白与生物关系；流式获取上万条注释；通过 UniParc 发现直系同源或非模式生物蛋白；在 UniProt 与 100 多个外部数据库间进行 ID 映射；用 UniSave 获取条目的历史版本或追踪已删除序列。使用方式：前提是安装 uv 并置于 PATH。若工作区根目录不存在 .licenses/uniprot_database_LICENSE.txt，需先提醒用户查看 https://www.uniprot.org/help/license 与 https://www.uniprot.org/help/api_queries，并创建记录通知文本与时间戳的文件。始终使用提供的 Python 脚本而不是自建 curl 请求。示例：计数用 uv run scripts/uniprot_tools.py count "taxonomy_id:9606"；搜索用 uv run scripts/uniprot_tools.py search "gene:p53 AND reviewed:true" --limit 5；取单条用 uv run scripts/uniprot_tools.py get P04637；历史数据加 --dataset unisave；批量用 stream（不支持 --limit，上限 1000 万条）；ID 映射用 map "P04637" --from_db UniProtKB_AC-ID --to_db Gene_Name；复杂查询用 sparql。适用场景：蛋白功能与序列检索、跨库 ID 映射、大规模元数据获取、非模式生物序列发现、历史版本核对。限制：不得编造蛋白功能、元数据或序列，必须依赖工具输出；批量任务优先用 stream 或 sparql，运行前先用 count 检查数据量；精确序列匹配需用 SPARQL，REST /search 不支持直接序列字符串查找；列表不要用逗号，空格表示 AND；避免用 name:，应使用 protein_name:；不要直接把 UniProtKB-AC 作为 ID 映射目标，应使用 UniProtKB；不要手动编辑蛋白序列。首次呈现使用 UniProt 数据的结果时需注明使用了该数据库并提示用户查看许可条款。