bioservices

BioServices

概述

BioServices 是一个 Python 软件包，可通过编程方式访问约 40 个生物信息学 Web 服务和数据库。在 Python 工作流中检索生物数据、执行跨数据库查询、映射标识符、分析序列并整合多个生物资源。该软件包可透明处理 REST 和 SOAP/WSDL 协议。

**版本说明：**示例适用于 bioservices 1.16.0（PyPI，2026 年 3 月）。需要 Python 3.9–3.12。UniProt 在 2022 年年中进行的 REST 更改（bioservices ≥1.10）主要影响表格中的 columns 名称——如果解析失败，请参阅上游的 _legacy_names。ChEMBL 封装在 1.6.0 时发生了变化（2018 API）；请使用 get_similarity、get_substructure、get_molecule，而不要使用 1.6 之前的方法名。

何时使用此技能

在以下情况下应使用此技能：

• 从 UniProt、PDB、Pfam 检索蛋白质序列、注释或结构
• 通过 KEGG 或 Reactome 分析代谢通路和基因功能
• 在化学数据库（ChEBI、ChEMBL、PubChem）中搜索化合物信息
• 在不同生物数据库之间转换标识符（KEGG↔UniProt、化合物 ID）
• 执行序列相似性搜索（BLAST、MUSCLE 比对）
• 查询基因本体术语（QuickGO、GO 注释）
• 访问蛋白质-蛋白质相互作用数据（PSICQUIC、IntactComplex）
• 挖掘基因组数据（BioMart、ArrayExpress、ENA）
• 在单个工作流中整合多个生物信息学资源的数据

核心功能

1. 蛋白质分析

检索蛋白质信息、序列和功能注释：

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")

关键方法：

• search()：使用灵活的搜索词查询 UniProt
• retrieve()：以多种格式获取蛋白质条目（FASTA、XML、tab）
• mapping()：在数据库之间转换标识符

参考：references/services_reference.md，了解完整的 UniProt API 详情。

2. 通路发现与分析

访问基因和生物的 KEGG 通路信息：

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")

关键方法：

• lookfor_organism()、lookfor_pathway()：按名称搜索
• get_pathway_by_gene()：查找包含指定基因的通路
• parse_kgml_pathway()：提取结构化通路数据
• pathway2sif()：获取蛋白质相互作用网络

参考：references/workflow_patterns.md，了解完整的通路分析工作流。

3. 化合物数据库搜索

在多个数据库中搜索并交叉引用化合物：

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

**版本注意事项：**bioservices 1.16.0 已移除按来源区分的 get_compound_id_from_* 辅助方法——请先检查 hasattr(u, "get_compound_id_from_kegg")，否则使用当前的 UniChem API（u.get_compounds(compound, source_type) 并读取 res["compounds"][0]["sources"]）。ChEMBL 查询也遵循相同规则：使用 get_molecule，不要使用 1.6 之前的 get_compound_by_chemblId。

常见工作流：

1. 在 KEGG 中按名称搜索化合物
2. 提取 KEGG 化合物 ID
3. 使用 UniChem 进行 KEGG → ChEMBL 映射
4. KEGG 条目中通常会提供 ChEBI ID

参考：references/identifier_mapping.md，查看完整的跨数据库映射指南。

4. 序列分析

执行 BLAST 搜索和序列比对。NCBI 要求提供联系邮箱——建议使用 NCBI_EMAIL 环境变量（与 BioPython Entrez 及仓库中的其他技能采用相同约定）：

import os
from bioservices import NCBIblast

s = NCBIblast(verbose=False)
email = os.environ["NCBI_EMAIL"]  # set before running: export [email protected]

# Run BLASTP against UniProtKB
jobid = s.run(
    program="blastp",
    sequence=protein_sequence,
    stype="protein",
    database="uniprotkb",
    email=email,
)

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

**注意：**BLAST 作业以异步方式运行。获取结果前请先检查状态。

5. 标识符映射

在不同生物数据库之间转换标识符：

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")

支持的映射（UniProt）：

• UniProtKB ↔ KEGG
• UniProtKB ↔ Ensembl
• UniProtKB ↔ PDB
• UniProtKB ↔ RefSeq
• 还有更多（参见 references/identifier_mapping.md）

6. 基因本体查询

访问 GO 术语和注释：

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. 蛋白质-蛋白质相互作用

通过 PSICQUIC 查询相互作用数据库。并非每个版本都会附带 PSICQUIC——1.16.0 版本中没有它，因此请以防御性方式导入；如果缺少该模块，则改用 IntactComplex、OmniPath 或 STRING：

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

**可用数据库：**MINT、IntAct、BioGRID、DIP 及其他 30 多个数据库。

多服务集成工作流

BioServices 擅长组合多个服务进行全面分析。常见的集成模式：

完整的蛋白质分析流程

执行完整的蛋白质表征工作流：

export [email protected]
python scripts/protein_analysis_workflow.py ZAP70_HUMAN
# Or pass email as optional second argument if NCBI_EMAIL is unset
python scripts/protein_analysis_workflow.py ZAP70_HUMAN [email protected]

此脚本演示了：

1. 在 UniProt 中搜索蛋白质条目
2. 获取 FASTA 序列
3. 进行 BLAST 相似性搜索
4. 发现 KEGG 通路
5. 使用 PSICQUIC 映射相互作用

通路网络分析

分析某个生物体的所有通路：

python scripts/pathway_analysis.py hsa output_directory/

提取并分析：

• 生物体的所有通路 ID
• 每条通路的蛋白质-蛋白质相互作用
• 相互作用类型分布
• 导出为 CSV/SIF 格式

跨数据库化合物搜索

跨数据库映射化合物标识符：

python scripts/compound_cross_reference.py Geldanamycin

获取：

• KEGG 化合物 ID
• ChEBI 标识符
• ChEMBL 标识符
• 基本化合物属性

批量标识符转换

一次转换多个标识符：

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

最佳实践

输出格式处理

不同服务会返回各种格式的数据：

• XML：使用 BeautifulSoup 解析（大多数 SOAP 服务）
• 制表符分隔（TSV）：使用 Pandas DataFrame 处理表格数据
• 字典/JSON：直接通过 Python 操作
• FASTA：使用 BioPython 进行序列分析

速率限制和详细程度

控制 API 请求行为：

from bioservices import KEGG

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

错误处理

使用 try-except 块包装服务调用：

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

生物体代码

使用标准的生物体缩写：

• hsa：Homo sapiens（人类）
• mmu：Mus musculus（小鼠）
• dme：Drosophila melanogaster
• sce：Saccharomyces cerevisiae（酵母）

列出所有生物体：k.list("organism") 或 k.organismIds

与其他工具集成

BioServices 可与以下工具良好协作：

• BioPython：对获取的 FASTA 数据进行序列分析
• Pandas：表格数据处理
• PyMOL：3D 结构可视化（获取 PDB ID）
• NetworkX：通路相互作用网络分析
• Galaxy：为工作流平台创建自定义工具包装器

资源

scripts/

演示完整工作流的可执行 Python 脚本：

• protein_analysis_workflow.py：端到端蛋白质表征
• pathway_analysis.py：KEGG 通路发现和网络提取
• compound_cross_reference.py：跨数据库化合物搜索
• batch_id_converter.py：批量标识符映射工具

可以直接执行这些脚本，也可以根据特定用例进行调整。

references/

按需加载的详细文档：

• services_reference.md：包含所有 40 多项服务及其方法的完整列表
• workflow_patterns.md：详细的多步骤分析工作流
• identifier_mapping.md：跨数据库 ID 转换完整指南

在使用特定服务或处理复杂集成任务时加载参考资料。

安装

uv pip install "bioservices==1.16.0"

依赖项会自动安装。上游 CI 使用 Python 3.9–3.12 进行测试（PyPI，文档）。

凭据

大多数服务无需 API 密钥。例外情况：

服务	要求
NCBI BLAST	通过 NCBI_EMAIL 或在 NCBIblast.run() 中设置 email= 联系邮箱
部分 EBI 服务	可选；如果受到速率限制，请查阅服务文档

在每个 Shell 会话中设置一次：

export [email protected]

请使用真实的机构或实验室邮箱地址——如果大量使用 BLAST，NCBI 可能会联系你。

其他信息

如需详细的 API 文档和高级功能，请参阅：

• 官方文档：https://bioservices.readthedocs.io/
• 源代码：https://github.com/cokelaer/bioservices
• references/services_reference.md 中按服务分类的参考资料

相关技能

• gget：通过 gget CLI 和 Python 包查询 20 多个生物信息学数据库和分析服务，涵盖 Ensembl 基因搜索、信息查询和……
• biopython：提供 Biopython（Bio.Seq、Bio.SeqIO、Bio.Align、Bio.Entrez、Bio.Blast、Bio.PDB、Bio.Phylo、Bio.motifs、Bio.SeqUtils、Bio.Restriction），用于……
• pathway-enrichment：对基因列表或排序后的基因数据运行通路和基因集富集分析，然后解读结果。