ensembl-database

用途

Ensembl 数据库技能用于访问和查询 Ensembl 基因组数据库，这是一个由 EMBL-EBI 维护的脊椎动物基因组数据综合资源。该数据库提供 250 多个物种的基因注释、序列、变异、调控信息和比较基因组学数据。当前版本为 115（2025 年 9 月）。

适用场景

该技能适用于以下情况：

按基因符号或 Ensembl ID 查询基因信息
获取 DNA、转录本或蛋白质序列
使用变异效应预测器（VEP）分析遗传变异
查找跨物种的同源基因（orthologs）和旁系同源基因（paralogs）
访问调控特征和基因组注释
在不同基因组组装版本之间转换坐标（如 GRCh37 到 GRCh38）
执行比较基因组学分析
将 Ensembl 数据集成到基因组研究流程中

主要能力

1. 基因信息检索

按符号、Ensembl ID 或外部数据库标识符查询基因数据。常见操作包括：按符号查找基因信息（如 "BRCA2"、"TP53"）；获取转录本和蛋白质信息；获取基因坐标和染色体位置；访问外部数据库（UniProt、RefSeq 等）的交叉引用。

使用 ensembl_rest 包：

from ensembl_rest import EnsemblClient

client = EnsemblClient()

# 按符号查找基因
gene_data = client.symbol_lookup(
    species='human',
    symbol='BRCA2'
)

# 获取详细基因信息
gene_info = client.lookup_id(
    id='ENSG00000139618',  # BRCA2 Ensembl ID
    expand=True
)

直接使用 REST API（无需安装包）：

import requests

server = "https://rest.ensembl.org"

# 符号查找
response = requests.get(
    f"{server}/lookup/symbol/homo_sapiens/BRCA2",
    headers={"Content-Type": "application/json"}
)
gene_data = response.json()

2. 序列获取

以多种格式（JSON、FASTA、纯文本）获取基因组、转录本或蛋白质序列。操作包括：获取基因或基因组区域的 DNA 序列；获取转录本序列（cDNA）；访问蛋白质序列；提取带侧翼区域或修饰的序列。

示例：

# 使用 ensembl_rest 包
sequence = client.sequence_id(
    id='ENSG00000139618',  # 基因 ID
    content_type='application/json'
)

# 获取基因组区域的序列
region_seq = client.sequence_region(
    species='human',
    region='7:140424943-140624564'  # 染色体:起始-结束
)

3. 变异分析

查询遗传变异数据，并使用变异效应预测器（VEP）预测变异后果。能力包括：按 rsID 或基因组坐标查找变异；预测变异的功能后果；访问群体频率数据；获取表型关联。

VEP 示例：

# 预测变异后果
vep_result = client.vep_hgvs(
    species='human',
    hgvs_notation='ENST00000380152.7:c.803C>T'
)

# 按 rsID 查询变异
variant = client.variation_id(
    species='human',
    id='rs699'
)

4. 比较基因组学

执行跨物种比较，以识别同源基因、旁系同源基因和进化关系。操作包括：查找同源基因（不同物种中的同一基因）；识别旁系同源基因（同一物种中的相关基因）；访问显示进化关系的基因树；获取基因家族信息。

示例：

# 查找人类基因的同源基因
orthologs = client.homology_ensemblgene(
    id='ENSG00000139618',  # 人类 BRCA2
    target_species='mouse'
)

# 获取基因树
gene_tree = client.genetree_member_symbol(
    species='human',
    symbol='BRCA2'
)

5. 基因组区域分析

查找特定区域内的所有基因组特征（基因、转录本、调控元件）。用例包括：识别染色体区域内的所有基因；查找调控特征（启动子、增强子）；定位区域内的变异；获取结构特征。

示例：

# 查找区域内的所有特征
features = client.overlap_region(
    species='human',
    region='7:140424943-140624564',
    feature='gene'
)

6. 组装版本映射

在不同基因组组装版本之间转换坐标（如 GRCh37 到 GRCh38）。重要提示：GRCh37/hg19 查询使用 https://grch37.rest.ensembl.org，当前组装版本使用 https://rest.ensembl.org。

示例：

from ensembl_rest import AssemblyMapper

# 将坐标从 GRCh37 映射到 GRCh38
mapper = AssemblyMapper(
    species='human',
    asm_from='GRCh37',
    asm_to='GRCh38'
)

mapped = mapper.map(chrom='7', start=140453136, end=140453136)

使用方式

安装

Python 包（推荐）：

uv pip install ensembl_rest

ensembl_rest 包为所有 Ensembl REST API 端点提供 Python 风格的接口。

直接使用 REST API：

无需安装，使用标准 HTTP 库如 requests：

uv pip install requests

API 最佳实践

速率限制

Ensembl REST API 有速率限制。请遵循以下实践：

遵守速率限制：匿名用户每秒最多 15 个请求
处理 429 响应：被限流时，检查 Retry-After 头并等待
使用批量端点：查询多个项目时，尽可能使用批量端点
缓存结果：存储频繁访问的数据以减少 API 调用

错误处理

始终实现适当的错误处理：

import requests
import time

def query_ensembl(endpoint, params=None, max_retries=3):
    server = "https://rest.ensembl.org"
    headers = {"Content-Type": "application/json"}

    for attempt in range(max_retries):
        response = requests.get(
            f"{server}{endpoint}",
            headers=headers,
            params=params
        )

        if response.status_code == 200:
            return response.json()
        elif response.status_code == 429:
            # 被限流 - 等待并重试
            retry_after = int(response.headers.get('Retry-After', 1))
            time.sleep(retry_after)
        else:
            response.raise_for_status()

    raise Exception(f"Failed after {max_retries} attempts")

资源

references/ 目录：

api_endpoints.md：所有 17 个 API 端点类别的综合文档，包含示例和参数

scripts/ 目录：

ensembl_query.py：可复用的 Python 脚本，用于常见 Ensembl 查询，内置速率限制和错误处理

常见工作流

工作流 1：基因注释流程

按符号查找基因以获取 Ensembl ID
获取转录本信息
获取所有转录本的蛋白质序列
查找其他物种中的同源基因
导出结果

工作流 2：变异分析

按 rsID 或坐标查询变异
使用 VEP 预测功能后果
检查群体频率
获取表型关联
生成报告

工作流 3：比较分析

从参考物种中的目标基因开始
在目标物种中查找同源基因
获取所有同源基因的序列
比较基因结构和特征
分析进化保守性

物种和组装信息

查询可用物种和组装版本：

# 列出所有可用物种
species_list = client.info_species()

# 获取某物种的组装信息
assembly_info = client.info_assembly(species='human')

常见物种标识符：

人类：homo_sapiens 或 human
小鼠：mus_musculus 或 mouse
斑马鱼：danio_rerio 或 zebrafish
果蝇：drosophila_melanogaster

附加资源

官方文档：https://rest.ensembl.org/documentation
Python 包文档：https://ensemblrest.readthedocs.io
EBI 培训：https://www.ebi.ac.uk/training/online/courses/ensembl-rest-api/
Ensembl 浏览器：https://useast.ensembl.org
GitHub 示例：https://github.com/Ensembl/ensembl-rest/wiki

限制

资料中未提供关于收费、价格、平台兼容性、具体效果或使用步骤的更多信息。