用途:本技能通过 PRIDE Archive(EMBL-EBI 蛋白质组学公共库)v3 REST API 检索与获取蛋白质组学数据集,基址 https://www.ebi.ac.uk/pride/ws/archive/v3/,无需认证,OpenAPI 规范在 /v3/api-docs。适合按关键词和分面(物种、组织、疾病、仪器、软件、PTM)查找已发表数据集,或按项目编号下载原始与结果文件。
主要能力:/search/projects 按关键词加分面筛选、分页与排序返回项目数组;/facet/projects 查询某关键词下可用的仪器、物种、疾病、软件等取值及计数;/projects/{accession} 获取项目完整元数据;/projects/{accession}/files 与 /files/all 列出文件,含分类(RAW、PEAK、RESULT、FASTA、OTHER)、大小与 FTP/Aspera 下载地址;/files/sdrf/{accession} 获取样本-质谱运行映射的 SDRF TSV;/proteins/{accession} 返回提及该 UniProt 编号的项目列表;另有 similarProjects、autocomplete、projects/count、files/count。
使用方式:需 Python 包 requests、pandas、matplotlib,可安装 pip install requests pandas matplotlib;准备项目编号(PXD###### 格式)或搜索关键词。列表接口返回纯 JSON 数组,无 HAL 的 _embedded 包装,分页通过 page=0,1,2… 直到返回空数组或不足一页实现;筛选语法为 field==value,字段名可用 /facet/projects 发现。限速未正式公布,建议突发不超过约 5 次/秒并在循环中 time.sleep(0.3)。
限制:v3 不提供 /peptides、/psms 或 /proteins?proteinAccession= 端点,也无肽段、PSM、覆盖率等深度指标;如需此类数据需下载项目的 RESULT 文件(mzIdentML、MaxQuant txt 等)并在本地用 pyteomics 等解析。蛋白序列、注释与 ID 映射应使用 uniprot-protein-database,结构域与家族分类使用 interpro-database。部分旧项目可能没有 SDRF 文件。官方暂未提供收费与平台等信息。