生信软件27 - 基于python的基因注释数据查询/检索库mygene

1. mygene库简介

MyGene.info提供简单易用的REST Web服务来查询/检索基因注释数据，具有以下特点：

mygene技术文档： https://docs.mygene.info/en/latest/

多物种支持: 包括人、小鼠、大鼠、斑马鱼等多个模式生物；
多数据源聚合: 聚合了来自NCBI、Ensembl、UniProt等多个主流数据库的数据；
灵活的查询: 支持多种类型的基因标识符；
批量操作: 支持批量获取和注释，提高工作效率；
多语言支持: 除了Python，还有R和其他语言的支持；

2. mygene库安装

# pip安装
pip install mygene

3. 基因名称查询注释

import mygene
mg = mygene.MyGeneInfo()# 返回数据格式为字典
gene_info = mg.query('BRCA1', species='human')print(gene_info)
# {'took': 28, 'total': 62, 'max_score': 90.18249, 'hits': [{'_id': '672', '_score': 90.18249, 'entrezgene': '672', 'name': 'BRCA1 DNA repair associated', 'symbol': 'BRCA1', 'taxid': 9606}, {'_id': '8315', '_score': 59.70592, 'entrezgene': '8315', 'name': 'BRCA1 associated protein', 'symbol': 'BRAP', 'taxid': 9606}, {'_id': '111589215', '_score': 59.70592, 'entrezgene': '111589215', 'name': 'BRCA1 promoter region', 'symbol': 'LOC111589215', 'taxid': 9606}, {'_id': '110485084', '_score': 53.584255, 'entrezgene': '110485084', 'name': 'BRCA1 intronic recombination region', 'symbol': 'LOC110485084', 'taxid': 9606}, {'_id': '8314', '_score': 53.584255, 'entrezgene': '8314', 'name': 'BRCA1 associated protein 1', 'symbol': 'BAP1', 'taxid': 9606}, {'_id': '83990', '_score': 53.584255, 'entrezgene': '83990', 'name': 'BRCA1 interacting helicase 1', 'symbol': 'BRIP1', 'taxid': 9606}, {'_id': '10230', '_score': 48.601166, 'entrezgene': '10230', 'name': 'neighbor of BRCA1 lncRNA 2', 'symbol': 'NBR2', 'taxid': 9606}, {'_id': '111589216', '_score': 48.601166, 'entrezgene': '111589216', 'name': 'BRCA1 intron 2 regulatory region', 'symbol': 'LOC111589216', 'taxid': 9606}, {'_id': '221927', '_score': 48.601166, 'entrezgene': '221927', 'name': 'BRCA1 associated ATM activator 1', 'symbol': 'BRAT1', 'taxid': 9606}, {'_id': '580', '_score': 48.601166, 'entrezgene': '580', 'name': 'BRCA1 associated RING domain 1', 'symbol': 'BARD1', 'taxid': 9606}]}

3.1 基因名称查询注释结果写入文本

# 将结果写入文本
fwrite = open('gene_info.txt', 'w')
# 写入头标志符
write_header = True
list_header = []
for key, value in gene_info.items():# 如果value为列表if isinstance(value, list):for hits in value:     # 写入表头if write_header:for _key, _value in hits.items():list_header.append(f"{_key}".replace('_', ''))fwrite.write('\t'.join(list_header) + '\n')write_header = False# 写入hits数据list_context = []for _key, _value in hits.items():list_context.append(f"{_value}".replace(' ', '_'))fwrite.write('\t'.join(list_context) + '\n')else:continuefwrite.close()

文本结果如下：

4. 基因ID查询

# 返回列表
query_result = mg.querymany(['10001', '10002', '10003'], scopes='entrezgene', fields='ensembl.gene', species='human')print(query_result)
# [{'query': '10001', '_id': '10001', '_score': 26.990025, 'ensembl': {'gene': 'ENSG00000133997'}}, {'query': '10002', '_id': '10002', '_score': 26.989716, 'ensembl': {'gene': 'ENSG00000278570'}}, {'query': '10003', '_id': '10003', '_score': 26.992018, 'ensembl': [{'gene': 'ENSG00000077616'}, {'gene': 'ENSG00000285516'}]}]

4.1 写入基因ID查询结果写入文本

# 将结果写入文本
fwrite = open('querymany_result.txt', 'w')
# 写入头标志符
write_header = True
list_header = []
for index, result in enumerate(query_result):if write_header:for _key, _value in result.items():list_header.append(f"{_key}".replace('_',''))fwrite.write('\t'.join(list_header) + '\n')write_header = False# 写入查询结果list_context = []for _key, _value in result.items():# 判断_value数据类型，对列表和字典单独处理if isinstance(_value, list):list_values = []for __value in _value:list_values.append(__value.get('gene', ''))list_context.append(";".join(list_values))elif isinstance(_value, dict):list_context.append(";".join(list(_value.values())))else:list_context.append(f"{_value}")fwrite.write('\t'.join(list_context) + '\n')fwrite.close()