用途:gget 是命令行生物信息学工具兼 Python 包,统一访问 20 多个基因组数据库与分析方法,可查询基因信息、做序列分析、获取蛋白结构、表达数据与疾病关联。所有模块既能作为命令行工具,也能作为 Python 函数使用。
主要能力:参考基因组与基因信息方面,gget ref 获取 Ensembl 参考基因组下载链接与元数据,gget search 按名称或描述查找基因,gget info 获取 Ensembl/UniProt/NCBI 基因与转录本元数据,gget seq 获取核苷酸或氨基酸序列。序列分析与比对方面,gget blast 做 BLAST 搜索,gget blat 用 UCSC BLAT 定位基因组位置,gget muscle 用 Muscle5 做多序列比对,gget diamond 做快速局部比对。结构分析方面,gget pdb 查询 RCSB PDB,gget alphafold 预测蛋白三维结构(需先装 openmm 并运行 gget setup alphafold),gget elm 预测真核线性基序。表达与疾病数据方面,gget archs4 查询相关基因与组织表达,gget cellxgene 查询单细胞数据(需 gget setup cellxgene),gget enrichr 做富集分析,gget bgee 获取同源与表达数据,gget opentargets 获取疾病与药物关联,gget cbio 绘制癌症基因组热图,gget cosmic 查询 COSMIC 体细胞突变数据库(商用需付费许可)。
使用方式:安装可用 uv(推荐,uv pip install gget)或 pip(uv pip install --upgrade gget),建议在干净虚拟环境中安装。命令行格式为 gget <module> [arguments] [options],Python 中为 gget.module(...)。多数模块命令行默认返回 JSON,加 -csv 返回 CSV;Python 返回 DataFrame 或字典。通用参数包括 -o/--out 保存文件、-q/--quiet 抑制进度、-csv。
适用场景:需要快速检索基因注释、批量获取序列、做 BLAST/BLAT 比对、预测蛋白结构、获取表达与疾病关联时适用。
限制:gget 查询的数据库持续更新,结构变化时模块会按双周测试并相应更新;单个 gget info 查询上限约 1000 个 ID;gget cosmic 需 COSMIC 账号凭据且商用需付费许可;gget alphafold、cellxgene、elm 需先运行 gget setup;部分参数(如 plot、show_sidechains)仅 Python 可用。