如何通过Python调用UniProt API从氨基酸序列获取UniProt accession？

可行性说明 #

完全可行，UniProt官方REST API支持通过氨基酸序列匹配来查询对应的UniProt Accession。

具体实现步骤 #

1. 接口参数说明 #

使用UniProt的搜索接口https://rest.uniprot.org/uniprotkb/search，通过query参数指定序列匹配规则，格式为sequence:"<氨基酸序列>"，同时指定format=json便于Python解析返回结果。

2. Python代码示例 #

import requests

def fetch_uniprot_accessions(aa_sequence):
    api_url = "https://rest.uniprot.org/uniprotkb/search"
    request_params = {
        "query": f'sequence:"{aa_sequence}"',
        "format": "json",
        "size": 10  # 控制返回结果数量，按需调整
    }
    
    response = requests.get(api_url, params=request_params)
    if response.ok:
        result_data = response.json()
        # 提取所有匹配条目的主Accession
        accessions = [entry["primaryAccession"] for entry in result_data.get("results", [])]
        return accessions
    else:
        print(f"请求失败：状态码 {response.status_code}")
        return None

# 调用示例
target_sequence = "MALWMRLLPLLALLALWGPDPAAAFVNQHLCGSHLVEALYLVCGERGFFYTPKTRREAEDLQVGQVELGGGPGAGSLQPLALEGSLQKRGIVEQCCTSICSLYQLENYCN"
matched_accessions = fetch_uniprot_accessions(target_sequence)
if matched_accessions:
    print("匹配到的UniProt Accession：", matched_accessions)
else:
    print("未找到匹配的Accession")

• 注意事项：序列需无多余字符（空格、换行等）；若需模糊匹配，可将查询规则改为sequence:~"<序列>"，但UniProt要求模糊匹配的序列长度至少30个氨基酸；如果序列存在多个匹配条目，会返回所有符合条件的Accession。

替代方案 #

如果直接调用UniProt API无法满足需求（如序列过短、匹配精度不足），可尝试以下方案：

• BLAST序列比对：使用Biopython库调用NCBI BLAST服务，指定比对UniProt数据库，解析比对结果提取Accession。示例代码需依赖biopython库，通过NCBIWWW.qblast方法提交序列搜索。
• 本地数据库匹配：下载UniProtKB/Swiss-Prot数据库文件，使用本地BLAST工具（如blastp）进行序列比对，适合批量处理大量序列的场景，避免频繁API调用限制。
• EMBL-EBI序列搜索API：调用EMBL-EBI的UniProt序列相似性搜索接口，提交序列后获取匹配的Accession，该接口支持更灵活的比对参数设置。

内容的提问来源于stack exchange，提问作者Maria