SuperAPI AI 工具集

ena-database

数据与分析

查看项目

更新于 10-16 04:31

技能介绍

用途:该技能用于访问欧洲核苷酸档案库(ENA),检索和查询核苷酸序列、原始测序读长、基因组组装、功能注释及分类学信息,供基因组学与生物信息学流程使用。适用情形包括按 accession 获取序列或原始读长、按元数据条件搜索样本/研究/组装、下载 FASTQ 或基因组组装、查询物种分类信息、将 ENA 数据集成到分析流程,以及通过 FTP 或 Aspera 批量下载数据集。

主要能力:ENA 数据按层级组织,包括 Studies/Projects、Samples、Raw Reads(含 Experiments 与 Runs)、Assemblies、Sequences、Analyses 与 Taxonomy Records。提供多个 REST API:Portal API 用于跨数据类型的复杂搜索与元数据查询,Browser API 按 accession 直接返回 XML 记录,Taxonomy REST API 查询谱系与分类等级,Cross Reference Service 访问外部数据库关联记录,CRAM Reference Registry 支持按 MD5 或 SHA1 校验和检索参考序列。返回格式含 XML、JSON、TSV/CSV,序列数据格式含 FASTQ、BAM/CRAM、FASTA、EMBL。下载方式包括直接 API 下载、FTP、Aspera 及 enaBrowserTools 命令行工具。

使用方式:可用 Portal API 搜索接口按结果类型、查询条件、格式与条数发起请求,例如以 study_accession 查询样本;用 Browser API 以 accession 获取 XML 记录;以 tax-id 查询分类谱系;组装可按分类学条件搜索。批量下载建议先搜索获取 accession 与文件 URL,再用 FTP 或 enaBrowserTools 拉取。

限制:所有 API 限速为每秒 50 次请求,超出返回 HTTP 429,需实现指数退避并尽量批量请求。大文件(超过 100MB)建议用 FTP/Aspera;仅需元数据时优先使用 TSV/JSON 而非 XML;解析 XML 应使用正规 XML 库;大型结果集需处理分页;处理大量记录时可在本地缓存分类查询结果。发布时应引用 Study/Project accession 及所用样本、run 或组装的编号。具体端点参数与高级查询语法见随附的 references/api_reference.md。