SuperAPI AI 工具集

bio-geo-data

数据与分析

查看项目

更新于 10-16 05:49

技能介绍

用途:使用 Biopython 的 Bio.Entrez 模块查询 NCBI 基因表达数据库 GEO,检索微阵列或 RNA-seq 表达数据集并获取元数据。

主要能力:

  1. 检索 GEO DataSets(db='gds')与 GEO Profiles(db='geoprofiles');区分记录类型 GSE(Series)、GSM(Sample)、GPL(Platform)、GDS(DataSet)。
  2. 使用检索字段,如 [orgn]、[title]、[description]、[platform]、[entry_type]、[gdstype]、[pubmed]、[pdat]。
  3. 通过 esummary 获取数据集摘要字段:Accession、title、summary、taxon、GPL、n_samples、FTPLink、PubMedIds、gdsType、ptechType。
  4. 用 elink 将 gds 链接到 sra,或将 pubmed 链接到 gds。
  5. 借助 GEOparse 库下载并解析 GSE,读取样本元数据与表达矩阵。

必要用法: from Bio import Entrez Entrez.email = 'your.email@example.com' # Required by NCBI Entrez.api_key = 'your_api_key' # Optional 检索示例:Entrez.esearch(db='gds', term='breast cancer AND Homo sapiens[orgn]', retmax=10)。 完整数据解析可先用 pip install GEOparse 安装,再调用 GEOparse.get_GEO('GSE123456')。 也可直接下载:wget -r -np -nd ftp://ftp.ncbi.nlm.nih.gov/geo/series/GSE123nnn/GSE123456/

适用场景:查找特定物种或关键词的表达数据集、定位 RNA-seq 数据集、由文献 PMID 反查相关数据集、获取 GSE 的 FTP 下载链接、将 GEO 关联到 SRA 原始测序数据。

限制:必须按 NCBI 要求设置 Entrez.email;api_key 为可选。超系列或没有数据的系列可能无 FTPLink;微阵列数据通常无 SRA 链接,SRA 仅适用于测序数据;检索为空时需检查 entry_type 是否正确。

其它事实:官方文本未提供,收费与价格信息暂未提供,具体数据内容与时效性以 NCBI 实际返回为准。