SuperAPI AI 工具集

ena-database

数据与分析

查看项目

更新于 10-15 22:39

技能介绍

用途:通过 ENA(EMBL-EBI 欧洲核苷酸档案库)的 REST API 程序化检索核苷酸数据,涵盖研究项目、样本、测序读段、基因组组装、注释序列及关联元数据,并镜像扩展 INSDC(GenBank、DDBJ)数据。无需认证。

主要能力:Portal API 提供跨数据类型的元数据搜索,支持布尔查询语法、字段选择与分页;Browser API 按访问号获取 XML、FASTA、EMBL 平面文件等记录;filereport 返回 FASTQ、submitted、analysis 文件的 FTP 与 Aspera 下载路径,并附大小与 MD5;Taxonomy API 按 taxId、学名或部分名称查询物种与谱系;Cross-ref API 关联 ArrayExpress、UniProt、PDB 等外部库;CRAM 参考注册表按 MD5/SHA1 校验和取回解压所需参考序列。

使用方式:依赖 pip install requests。Portal 基础地址为 https://www.ebi.ac.uk/ena/portal/api,Browser 为 https://www.ebi.ac.uk/ena/browser/api,Taxonomy 为 https://www.ebi.ac.uk/ena/taxonomy/rest,Cross-ref 为 https://www.ebi.ac.uk/ena/xref/rest。search 端点必填 result 与 query,fields、format、limit、offset、sortFields 可选;filereport 必填 accession 与 result;Browser 以 xml/ 或 fasta/ 加访问号调用。可用 returnFields 端点发现某 result 类型的可用字段。

适用场景:按物种或项目检索研究、样本与实验;下载公共数据集原始 FASTQ/BAM 用于再分析;获取基因组组装及质量统计(如 base_count);按访问号取回 FASTA/EMBL 序列;探索分类谱系;与外部数据库交叉引用;为大规模项目批量构建下载清单。多库联合查询(ENA+UniProt+KEGG)宜用 bioservices;NCBI 专属查询宜用 pubmed-database 或 Biopython Entrez。

限制:所有 ENA API 合计限速 50 请求/秒,调用需自行控制间隔;大结果集应使用分页(limit+offset)或流式(limit=0 导出 TSV);部分字段会失效,如 assembly 的 n50,应以 base_count 等替代;study 上 library_strategy 不适用;study_title 通配符已不再匹配,宜用 tax_tree() 配合物种 taxId;suggest-for-search 仅返回前缀匹配;部分运行只有 submitted 文件而无处理后的 FASTQ,应同时检查 submitted_ftp;下载后应以 fastq_md5 校验完整性。资料未提供收费、价格与平台等其它信息。