Biopython是python的一个库,帮助生物学家解决感兴趣的事情。功能很多,比如:处理序列,解析序列文件格式(FASTA,GENEBANK),连接生物学数据库(NCBI,ExPASY,SCOP)。
如:我们想在NCBI的PubMed数据库中查找与epilepsy相关的文章,然后输出title,author,source这些信息,这些对于在报告中显示参考文献时,很有必要。不用biopython时,可以通过已知的PMID,用爬虫的方法查找这些信息,以固定的格式输出。
from Bio import Entrez
Entrez.email = '743818953@qq.com' # always tell who you are
handle = Entrez.egquery(term="epilepsy")
record = Entrez.read(handle)
for row in record["eGQueryResult"]:
if row["DbName"]=="pubmed":
print row["Count"] #total 143833
使用 Bio.Entrez.efetch这个函数来下载这些篇文章的PubMed IDs:因为太多,
使用Bio.Entrez.efetch这个函数来下载这些文章的PMID,因为太多,所以就取这个list中的前40个