BioServices

Overview

BioServices は、約 40 の生物情報学 Web サービスとデータベースへのプログラマティックアクセスを提供する Python パッケージです。生物学的データの取得、クロスデータベースクエリ、識別子のマッピング、配列解析、および Python ワークフロー内での複数の生物学的リソースの統合を実行できます。このパッケージは REST と SOAP/WSDL プロトコルの両方を透過的に処理します。

このスキルを使用する場合

このスキルは以下の場合に使用すべきです：

• UniProt、PDB、Pfam からタンパク質配列、注釈、または構造を取得する
• KEGG または Reactome 経由でメタボリック経路と遺伝子機能を解析する
• 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
• 異なる生物学的データベース間で識別子を変換する (KEGG↔UniProt、化合物 ID)
• 配列相同性検索を実行する (BLAST、MUSCLE アライメント)
• 遺伝子オントロジー用語をクエリする (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 (PSICQUIC、IntactComplex)
• ゲノミックデータをマイニングする (BioMart、ArrayExpress、ENA)
• 単一のワークフロー内で複数の生物情報学リソースからデータを統合する

コア機能

1. タンパク質解析

タンパク質情報、配列、および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")

主要なメソッド：

• search(): 柔軟な検索用語で UniProt をクエリする
• retrieve(): さまざまな形式 (FASTA、XML、tab) でタンパク質エントリを取得する
• mapping(): データベース間で識別子を変換する

参照: 完全な UniProt API の詳細については、references/services_reference.md を確認してください。

2. 経路発見と解析

遺伝子と生物についての 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")

主要なメソッド：

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

参照: 完全な経路解析ワークフローについては、references/workflow_patterns.md を確認してください。

3. 化合物データベース検索

複数のデータベース間で化合物を検索およびクロスリファレンスします：

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 で名前で化合物を検索する
2. KEGG 化合物 ID を抽出する
3. KEGG → ChEMBL マッピングに UniChem を使用する
4. ChEBI ID は KEGG エントリで提供されることが多い

参照: 完全なクロスデータベース・マッピング・ガイドについては、references/identifier_mapping.md を確認してください。

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="your.email@example.com"  # Required by NCBI
)

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

注： 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

異なる生物学的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クエリ

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 経由で相互作用データベースをクエリします：

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、および 30 以上のその他。

マルチサービス統合ワークフロー

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場合に優れています。一般的な統合パターンは以下の通りです：

完全なタンパク質解析パイプライン

完全なタンパク質特性評価ワークフローを実行します：

python scripts/protein_analysis_workflow.py ZAP70_HUMAN your.email@example.com

このスクリプトは以下を実証します：

1. タンパク質エントリの UniProt 検索
2. FASTA 配列の取得
3. BLAST 相同性検索
4. KEGG 経路発見
5. PSICQUIC 相互作用マッピング

経路ネットワーク解析

生物のすべての経路を解析します：

python scripts/pathway_analysis.py hsa output_directory/

以下を抽出して解析します：

• 生物の全経路 ID
• 経路あたりのタンパク質間相互作用
• 相互作用タイプの分布
• CSV/SIF 形式へのエクスポート

クロスデータベース化合物検索

データベース間で化合物識別子をマップします：

python scripts/compound_cross_reference.py Geldanamycin

以下を取得します：

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

バッチ識別子変換

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

異なるサービスはさまざまな形式でデータを返します：

• XML: BeautifulSoup を使用して解析 (ほとんどの SOAP サービス)
• タブ区切り (TSV): 表形式データの Pandas DataFrame
• Dictionary/JSON: Python による直接操作
• FASTA: 配列解析の BioPython 統合

レート制限と詳細度

API リクエスト動作を制御します：

from bioservices import KEGG

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

エラーハンドリング

サービスコールを try-except ブロックでラップします：

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

生物コード

標準的な生物の略語を使用します：

• hsa: ホモ・サピエンス (ヒト)
• mmu: ハツカネズミ (マウス)
• dme: キイロショウジョウバエ
• sce: 酵母

すべての生物をリストする: k.list("organism") または k.organismIds

他のツールとの統合

BioServices は以下と組み合わせて使用できます：

• BioPython: 取得した FASTA データの配列解析
• Pandas: 表形式データ操作
• PyMOL: 3D 構造の可視化 (PDB ID を取得)
• NetworkX: 経路相互作用のネットワーク解析
• Galaxy: ワークフロー・プラットフォーム用のカスタムツール・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：

• protein_analysis_workflow.py: エンドツーエンドのタンパク質特性評価
• pathway_analysis.py: KEGG 経路発見とネットワーク抽出
• compound_cross_reference.py: マルチデータベース化合物検索
• batch_id_converter.py: 一括識別子マッピングユーティリティ

スクリプトは直接実行するか、特定の用途に適応させることができます。

references/

必要に応じて読み込まれる詳細なドキュメント：

• services_reference.md: すべての 40 以上のサービスと方法の包括的なリスト
• workflow_patterns.md: 詳細なマルチステップ解析ワークフロー
• identifier_mapping.md: クロスデータベース ID 変換の完全なガイド

特定のサービスまたは複雑な統合タスクで作業する場合、参照を読み込みます。

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。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 ドキュメントと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
• references/services_reference.md のサービス固有の参照