使用BioPython的Esearch和Efetch时出现HTTP Error 400错误的问询

看起来你在使用BioPython从NCBI Assembly数据库获取脊索动物染色体序列时碰到了HTTP 400错误，这个报错一般意味着请求格式不符合NCBI E-utilities的要求，或者触发了API限制。结合你的代码和场景，我整理了几个关键修复点和完整解决方案：

核心问题分析 #

HTTP 400错误的常见诱因结合你的代码来看，可能有这几个：

1. Assembly数据库的Efetch参数配置错误：Assembly数据库存储的是基因组组装元数据，直接用默认参数发起fetch请求无法正确返回序列，必须指定适配的rettype和retmode。
2. 请求频率或批量大小超标：即使在服务器空闲时段，NCBI对E-utilities的请求频率、单次请求记录数有严格限制，超出阈值就会返回错误。
3. History会话混用：你的代码同时用了epost提交ID列表和带usehistory=y的esearch，导致会话上下文混乱，影响后续fetch请求的有效性。

具体修复步骤 #

1. 优化搜索关键词，过滤出精准目标 #

先把搜索term调整得更精确，只获取染色体级别的组装记录，减少无效请求：

term = "chordata[orgn] AND chromosome level[assembly level]"

2. 统一使用History会话，避免上下文混乱 #

选择一种方式维护会话：要么用esearch自带的history，要么用epost提交ID列表，不要混用。推荐用esearch的history方案，更简洁易维护。

3. 配置正确的Efetch参数 #

针对Assembly数据库获取FASTA序列，必须指定rettype='fasta'和retmode='text'；同时把单次请求的批量大小调小（建议≤5），降低请求被拒绝的概率。

4. 添加请求延迟，遵守NCBI使用规则 #

NCBI要求非商用用户每秒最多发送3个请求，每次请求后添加1-2秒延迟，避免触发频率限制。

完整修正后的代码 #

from Bio import Entrez
from Bio import SeqIO
import time

# 必填：设置正确邮箱，NCBI会在请求异常时联系你
Entrez.email = "myemail@email.com"
Entrez.tool = "MyBioPythonScript"  # 可选：标识你的工具，帮助NCBI跟踪请求来源

# 精确搜索染色体级别的脊索动物组装记录
search_handle = Entrez.esearch(
    db="assembly",
    term="chordata[orgn] AND chromosome level[assembly level]",
    retmax=2700,
    idtype="acc",
    usehistory="y"  # 开启历史会话，用于后续批量fetch
)
search_results = Entrez.read(search_handle)
search_handle.close()

count = int(search_results["Count"])
webenv = search_results["WebEnv"]
query_key = search_results["QueryKey"]

batch_size = 5  # 减小批量大小，降低请求被拒绝风险
out_handle = open("chordata_sequence.fasta", "w")

try:
    for start in range(0, count, batch_size):
        end = min(start + batch_size, count)
        print(f"正在获取第 {start+1} 到 {end} 条记录，共 {count} 条")
        
        # 使用历史会话发起批量fetch请求
        fetch_handle = Entrez.efetch(
            db="assembly",
            rettype="fasta",
            retmode="text",
            retstart=start,
            retmax=batch_size,
            webenv=webenv,
            query_key=query_key,
            idtype="acc"
        )
        
        # 将获取到的序列写入文件
        records = SeqIO.parse(fetch_handle, "fasta")
        SeqIO.write(records, out_handle, "fasta")
        
        fetch_handle.close()
        time.sleep(1)  # 添加延迟，遵守NCBI请求频率限制
finally:
    out_handle.close()

额外排查点 #

• 如果仍出现400错误，可以尝试把batch_size降到1，排查是否是某条特定组装ID导致的请求失败；
• 确认邮箱地址设置正确，NCBI会拒绝无有效邮箱的请求，虽然你的Esearch成功，但Efetch可能有更严格的校验；
• 检查网络环境是否有代理或防火墙拦截请求，部分代理会修改HTTP请求头，导致NCBI拒绝服务。

内容的提问来源于stack exchange，提问作者Chahna Patel