Skip to content

Récupérer des Séquences#

Interroger les bases de données et télécharger des séquences Ici on s'intéresse au BDD du NCBI (ex portail Entrez)

from Bio import Entrez

Important : préciser un email (conditions d'utilisation du NCBI)

Entrez.email = "votre@email.fr"

  1. Effectuer une requête sur une base de données

    fic_XML = Entrez.esearch(db=nom_db, term=requete, …)

    Renvoie le résultat sous la forme d'un fichier XML ouvert

  2. Parser le résultat dans un dictionnaire

    dic_resultat = Entrez.read(fic_XML)

    Identifiants des séquences : dico_resultat["IdList"]

  3. Télécharger les séquences à partir des identifiants

    fic_sequences = Entrez.efetch(
    db=nom_db,
    id=dic_resultat["IdList"],
    rettype=format
)

    Renvoie un objet fichier ouvert, à lire avec SeqIO.read() ou SeqIO.parse().

  4. Penser à fermer les fichiers une fois qu'on a fini

    fic_XML.close()
fic_sequences.close()

Documentation#

Quelques liens utiles pour utiliser Biopython

Pratique 9#

Exercice A#

Créer un programme python exo9_a.py qui permet de récupérer dans la banque de données Protein du NCBI les séquences du gène SRY (SRY [gene]) de l'homme (Homo sapiens[Orgn]) et qui crée un fichier résultat avec les séquences au format Genbank (option rettype="gb" de la fonction efetch()). Vous limiterez votre recherche aux 10 premières entrées de la banque (option retmax de la fonction esearch()).

Exercice B#

Créer un programme python exo9_b.py qui permet de faire la même chose que le programme précédent mais qui fait en sorte que le nom de la banque de données du NCBI, le nom du gène et de l'organisme, ainsi que le nom de fichier résultat soient donnés en argument à votre programme.

Exercice C#

Créer un programme python exo9_c.py qui à partir de 15 séquences d'un gène (donné par l'utilisateur en argument) récupérées sur une banque du NCBI (donnée par l'utilisateur en argument) affiche à l'écran pour chaque séquence : « séquence nom_sequence de longueur lg_sequence »

Par exemple voilà l'affichage pour les 3 premières séquences récupérées pour le gène SRY dans la banque Protein du NCBI :

sequence EDW99052 de longueur 530
sequence EDL09053 de longueur 395
sequence EAX02769 de longueur 204