bioservices

BioServices

概要

BioServices は、約 40 種類のバイオインフォマティクス Web サービスおよびデータベースへプログラムからアクセスするための Python パッケージです。生物学的データの取得、データベース横断クエリ、識別子のマッピング、配列解析、複数の生物学リソースの統合を Python ワークフロー内で行えます。このパッケージは REST と SOAP/WSDL の両方のプロトコルを透過的に扱います。

このスキルを使用するタイミング

このスキルは次のような場合に使用してください:

• UniProt、PDB、Pfam からタンパク質の配列、アノテーション、構造を取得する場合
• KEGG や Reactome を通じて代謝経路や遺伝子機能を解析する場合
• 化学情報のために化合物データベース（ChEBI、ChEMBL、PubChem）を検索する場合
• 異なる生物学データベース間で識別子を変換する場合（KEGG↔UniProt、化合物 ID）
• 配列類似性検索（BLAST、MUSCLE アライメント）を実行する場合
• 遺伝子オントロジー用語を照会する場合（QuickGO、GO アノテーション）
• タンパク質間相互作用データにアクセスする場合（PSICQUIC、IntactComplex）
• ゲノムデータをマイニングする場合（BioMart、ArrayExpress、ENA）
• 単一のワークフロー内で複数のバイオインフォマティクスリソースのデータを統合する場合

主要機能

1. タンパク質解析

タンパク質の情報、配列、機能アノテーションを取得します:

from bioservices import UniProt

u = UniProt(verbose=False)

# Search for protein by name
results = u.search("ZAP70_HUMAN", frmt="tab", columns="id,genes,organism")

# Retrieve FASTA sequence
sequence = u.retrieve("P43403", "fasta")

# Map identifiers between databases
kegg_ids = u.mapping(fr="UniProtKB_AC-ID", to="KEGG", query="P43403")

主なメソッド:

• search(): 柔軟な検索語で UniProt を照会
• retrieve(): さまざまな形式（FASTA、XML、タブ区切り）でタンパク質エントリを取得
• mapping(): データベース間で識別子を変換

参照: UniProt API の詳細は references/services_reference.md を参照してください。

2. 経路の探索と解析

遺伝子および生物種に関する KEGG 経路情報にアクセスします:

from bioservices import KEGG

k = KEGG()
k.organism = "hsa"  # Set to human

# Search for organisms
k.lookfor_organism("droso")  # Find Drosophila species

# Find pathways by name
k.lookfor_pathway("B cell")  # Returns matching pathway IDs

# Get pathways containing specific genes
pathways = k.get_pathway_by_gene("7535", "hsa")  # ZAP70 gene

# Retrieve and parse pathway data
data = k.get("hsa04660")
parsed = k.parse(data)

# Extract pathway interactions
interactions = k.parse_kgml_pathway("hsa04660")
relations = interactions['relations']  # Protein-protein interactions

# Convert to Simple Interaction Format
sif_data = k.pathway2sif("hsa04660")

主なメソッド:

• lookfor_organism()、lookfor_pathway(): 名前で検索
• get_pathway_by_gene(): 遺伝子を含む経路を検索
• parse_kgml_pathway(): 構造化された経路データを抽出
• pathway2sif(): タンパク質相互作用ネットワークを取得

参照: 経路解析ワークフローの全体は references/workflow_patterns.md を参照してください。

3. 化合物データベース検索

複数のデータベースにまたがって化合物を検索し、相互参照します:

from bioservices import KEGG, UniChem

k = KEGG()

# Search compounds by name
results = k.find("compound", "Geldanamycin")  # Returns cpd:C11222

# Get compound information with database links
compound_info = k.get("cpd:C11222")  # Includes ChEBI links

# Cross-reference KEGG → ChEMBL using UniChem
u = UniChem()
chembl_id = u.get_compound_id_from_kegg("C11222")  # Returns CHEMBL278315

一般的なワークフロー:

1. KEGG で名前により化合物を検索
2. KEGG 化合物 ID を抽出
3. KEGG → ChEMBL のマッピングに UniChem を使用
4. ChEBI ID は KEGG のエントリに記載されていることが多い

参照: データベース横断マッピングの完全なガイドは references/identifier_mapping.md を参照してください。

4. 配列解析

BLAST 検索と配列アライメントを実行します:

from bioservices import NCBIblast

s = NCBIblast(verbose=False)

# Run BLASTP against UniProtKB
jobid = s.run(
    program="blastp",
    sequence=protein_sequence,
    stype="protein",
    database="uniprotkb",
    email="[email protected]"  # Required by NCBI
)

# Check job status and retrieve results
s.getStatus(jobid)
results = s.getResult(jobid, "out")

注意: BLAST ジョブは非同期です。結果を取得する前にステータスを確認してください。

5. 識別子マッピング

異なる生物学データベース間で識別子を変換します:

from bioservices import UniProt, KEGG

# UniProt mapping (many database pairs supported)
u = UniProt()
results = u.mapping(
    fr="UniProtKB_AC-ID",  # Source database
    to="KEGG",              # Target database
    query="P43403"          # Identifier(s) to convert
)

# KEGG gene ID → UniProt
kegg_to_uniprot = u.mapping(fr="KEGG", to="UniProtKB_AC-ID", query="hsa:7535")

# For compounds, use UniChem
from bioservices import UniChem
u = UniChem()
chembl_from_kegg = u.get_compound_id_from_kegg("C11222")

サポートされているマッピング（UniProt）:

• UniProtKB ↔ KEGG
• UniProtKB ↔ Ensembl
• UniProtKB ↔ PDB
• UniProtKB ↔ RefSeq
• その他多数（references/identifier_mapping.md を参照）

6. 遺伝子オントロジーの照会

GO 用語とアノテーションにアクセスします:

from bioservices import QuickGO

g = QuickGO(verbose=False)

# Retrieve GO term information
term_info = g.Term("GO:0003824", frmt="obo")

# Search annotations
annotations = g.Annotation(protein="P43403", format="tsv")

7. タンパク質間相互作用

PSICQUIC を介して相互作用データベースを照会します:

from bioservices import PSICQUIC

s = PSICQUIC(verbose=False)

# Query specific database (e.g., MINT)
interactions = s.query("mint", "ZAP70 AND species:9606")

# List available interaction databases
databases = s.activeDBs

利用可能なデータベース: MINT、IntAct、BioGRID、DIP、その他 30 以上

複数サービスを統合したワークフロー

BioServices は、複数のサービスを組み合わせて包括的な解析を行うことに優れています。一般的な統合パターンは次のとおりです:

タンパク質解析パイプラインの全体

タンパク質の特性解析ワークフロー全体を実行します:

python scripts/protein_analysis_workflow.py ZAP70_HUMAN [email protected]

このスクリプトは次の内容を示しています:

1. タンパク質エントリを検索する UniProt 検索
2. FASTA 配列の取得
3. BLAST による類似性検索
4. KEGG による経路の探索
5. PSICQUIC による相互作用のマッピング

経路ネットワーク解析

生物種のすべての経路を解析します:

python scripts/pathway_analysis.py hsa output_directory/

次のものを抽出・解析します:

• 生物種のすべての経路 ID
• 経路ごとのタンパク質間相互作用
• 相互作用タイプの分布
• CSV/SIF 形式でのエクスポート

データベース横断の化合物検索

データベース間で化合物の識別子をマッピングします:

python scripts/compound_cross_reference.py Geldanamycin

次のものを取得します:

• KEGG 化合物 ID
• ChEBI 識別子
• ChEMBL 識別子
• 基本的な化合物特性

一括識別子変換

複数の識別子を一度に変換します:

python scripts/batch_id_converter.py input_ids.txt --from UniProtKB_AC-ID --to KEGG

ベストプラクティス

出力形式の処理

サービスによって返されるデータの形式はさまざまです:

• XML: BeautifulSoup を使って解析します（ほとんどの SOAP サービス）
• タブ区切り (TSV): 表形式データには Pandas DataFrame を使用します
• 辞書/JSON: Python で直接操作します
• FASTA: 配列解析には BioPython と連携します

レート制限と詳細出力

API リクエストの動作を制御します:

from bioservices import KEGG

k = KEGG(verbose=False)  # Suppress HTTP request details
k.TIMEOUT = 30  # Adjust timeout for slow connections

エラー処理

サービス呼び出しは try-except ブロックで囲みます:

try:
    results = u.search("ambiguous_query")
    if results:
        # Process results
        pass
except Exception as e:
    print(f"Search failed: {e}")

生物種コード

標準的な生物種の略称を使用します:

• hsa: Homo sapiens（ヒト）
• mmu: Mus musculus（マウス）
• dme: Drosophila melanogaster（ショウジョウバエ）
• sce: Saccharomyces cerevisiae（酵母）

すべての生物種を一覧表示するには k.list("organism") または k.organismIds を使用します

他のツールとの連携

BioServices は以下のツールと組み合わせて利用できます:

• BioPython: 取得した FASTA データの配列解析
• Pandas: 表形式データの操作
• PyMOL: 3D 構造の可視化（PDB ID の取得）
• NetworkX: パスウェイの相互作用のネットワーク解析
• Galaxy: ワークフローのプラットフォーム向けカスタムツールラッパー

リソース

scripts/

完全なワークフローを示す実行可能な Python スクリプトです:

• protein_analysis_workflow.py: エンドツーエンドのタンパク質特性解析
• pathway_analysis.py: KEGG パスウェイの探索とネットワーク抽出
• compound_cross_reference.py: 複数データベースにまたがる化合物検索
• batch_id_converter.py: 一括 ID マッピングユーティリティ

スクリプトは直接実行することも、特定の用途に合わせて改変することもできます。

references/

必要に応じて読み込む詳細ドキュメントです:

• services_reference.md: 40 を超えるすべてのサービスとそのメソッドの包括的な一覧
• workflow_patterns.md: 複数ステップの詳細な解析ワークフロー
• identifier_mapping.md: データベース間の ID 変換に関する完全なガイド

特定のサービスや複雑な連携作業を行う際にリファレンスを読み込んでください。

インストール

uv pip install bioservices

依存関係は自動的に管理されます。このパッケージは Python 3.9〜3.12 でテストされています。

追加情報

詳細な API ドキュメントや高度な機能については、以下を参照してください:

• 公式ドキュメント: https://bioservices.readthedocs.io/
• ソースコード: https://github.com/cokelaer/bioservices
• サービス別リファレンス: references/services_reference.md