使用Python获取给定肽序列列表对应的蛋白质名称及ID

在线工具快速查询（适合少量序列） #

• Uniprot BLAST：把肽序列粘贴到BLAST搜索框，选择Swiss-Prot数据库（已审核的高质量条目），调整参数：开启短序列比对模式，降低E值阈值（比如设为1000）。搜索结果里会列出匹配的蛋白质，包含全称、Uniprot ID等信息。
• Uniprot Peptide Search：这个工具专门针对肽序列设计，直接输入序列，可选限定物种（如果知道样本来源），提交后会返回对应的蛋白质条目，还能显示肽在蛋白质中的具体位置。

批量处理的编程方法 #

如果有大量肽序列，用API或脚本效率更高：

Python + Uniprot REST API #

直接调用Uniprot的API构造查询，解析返回的JSON数据提取蛋白质信息，示例代码：

import requests

def get_proteins_from_peptide(peptide):
    api_url = "https://rest.uniprot.org/uniprotkb/search"
    query_params = {
        "query": f"{peptide} AND reviewed:yes",  # 只查已审核条目
        "format": "json",
        "fields": "protein_name,accession,organism_name"  # 指定返回字段
    }
    resp = requests.get(api_url, params=query_params)
    if resp.status_code == 200:
        results = resp.json()["results"]
        return [(res["proteinName"]["fullName"]["value"], res["primaryAccession"], res["organism"]["scientificName"]) for res in results]
    return []

# 批量处理示例
peptides = ["VHLTPEEK", "LVVYPWTQR"]
for pep in peptides:
    matches = get_proteins_from_peptide(pep)
    if matches:
        print(f"肽 {pep} 匹配结果:")
        for name, acc, species in matches:
            print(f"- {name} (ID: {acc}, 物种: {species})")
    else:
        print(f"肽 {pep} 未找到匹配蛋白质")

Biopython 辅助处理 #

用Biopython的Bio.SwissProt模块可以更便捷地处理批量请求，它会自动处理API请求频率限制，避免被封禁，适合大规模序列查询。

关键注意事项 #

• 短肽多匹配问题：短肽可能在多个蛋白质中存在，一定要结合样本的物种信息、实验背景过滤结果，减少冗余。
• 翻译后修饰：如果肽有磷酸化、甲基化等修饰，搜索时要明确标注修饰位点（比如Y(phos)），否则可能匹配不到正确的蛋白质。
• 数据库选择：优先用Swiss-Prot（已审核），避免TrEMBL的未审核条目带来的错误匹配。

内容的提问来源于stack exchange，提问作者Mathew