ARTICLE DETAIL

资讯详情

深耕郑州网站建设与运营推广的一线实战洞察。

使用 QuickGO 蛋白质功能注释 API:在 scientific-agent-skills 中实现可复现的 GO 检索

使用 QuickGO 蛋白质功能注释 API:在 scientific-agent-skills 中实现可复现的 GO 检索 使用 QuickGO 蛋白质功能注释 API在 scientific-agent-skills 中实现可复现的 GO 检索【免费下载链接】scientific-agent-skillsTurn any AI agent into an AI Scientist. The #1 Agent Skills library for science, used by 190,000 scientists worldwide. 165 ready-to-use validated skills plus 100 scientific databases covering biology, chemistry, medicine, and drug discovery. Compatible with Cursor, Claude Code, Codex, Pi, Antigravity, and the open Agent Skills standard.项目地址: https://gitcode.com/GitHub_Trending/cl/scientific-agent-skills导读本文以 skills/database-lookup/references/quickgo.md 为骨架系统讲解 EMBL-EBI QuickGO 注释浏览器的 REST API从基础 URL、无需鉴权的访问方式、核心端点到注释检索的参数语义、响应结构与公平使用限制。你将学会如何在 scientific-agent-skills 仓库的database-lookup技能框架下用curl或 Python 完成 GO 术语查询、按基因/物种/证据代码过滤注释并输出带完整溯源provenance的可审计检索结果。QuickGO 是什么GO 注释检索的首选入口Gene OntologyGO是描述基因产物在**生物过程biological_process、分子功能molecular_function、细胞组分cellular_component**三个命名空间中的功能的标准词汇体系。而 QuickGO 是 EMBL-EBI 提供的 GO 注释浏览与检索服务其 REST 服务地址为https://www.ebi.ac.uk/QuickGO/services/在 database_selection_guide.md 的Biology Genomics分组中QuickGO 被明确列为Gene function annotations (GO terms) 类问题的主数据库Gene Ontology 本体服务api.geneontology.org作为备选。选择 QuickGO 的理由在 gene-ontology.md 中有明确说明QuickGOEBI在注释查询上更稳定、文档更完善而 GO API 本体端点在部分场景下可能返回 403。因此凡涉及某基因/蛋白有哪些 GO 注释某 GO 术语注释了哪些基因这类查询应优先走 QuickGO。认证与访问前提QuickGO 无需任何 API Key全部端点公开可访问。这意味着它可以直接用curl或任意 HTTP GET 工具调用不存在凭证管理负担。不过要注意 SKILL.md 中关于 API 调用工具链的约定Claude Code 可用WebFetch、Gemini CLI 用web_fetch、Cursor 与 Codex CLI 没有专用抓取工具时一律回退到curl。示例模板curl -s -H Accept: application/json https://www.ebi.ac.uk/QuickGO/services/ontology/go/terms/GO:0008150核心端点一览quickgo.md 给出了四个核心端点结合 gene-ontology.md 可进一步扩充为完整的端点矩阵端点用途说明/ontology/go/terms/{goId}GO 术语详情接受逗号分隔的多个 ID最多 25 个/ontology/go/terms/{goId}/children子术语向下遍历本体/ontology/go/terms/{goId}/ancestors祖先术语可配relationsis_a,part_of限定关系类型/ontology/go/search?query{term}关键词搜索 GO 术语按名称模糊搜索/annotation/search注释搜索按基因产物/物种/GO 术语/证据代码过滤是使用频率最高的端点GO 术语详情terms 端点GET https://www.ebi.ac.uk/QuickGO/services/ontology/go/terms/GO:0008150一次可携带最多 25 个逗号分隔的 GO ID例如GO:0008150,GO:0006915。返回 JSON 中包含术语名称、定义、命名空间与同义词。子术语与祖先术语# 子术语 GET https://www.ebi.ac.uk/QuickGO/services/ontology/go/terms/GO:0008150/children # 祖先术语图表视图限定关系类型 GET https://www.ebi.ac.uk/QuickGO/services/ontology/go/terms/GO:0006915/ancestors?relationsis_a,part_of关键词搜索GET https://www.ebi.ac.uk/QuickGO/services/ontology/go/search?queryapoptosislimit5当用户只给出口语化描述如细胞凋亡相关过程而不知道确切 GO ID 时先用该端点解析出规范 ID再进入后续注释检索。注释搜索参数全解/annotation/search是 QuickGO 的核心检索端点。quickgo.md 与 gene-ontology.md 的参数合并后如下参数含义示例值geneProductIdUniProt 蛋白登录号P04637TP53goIdGO 术语GO:0006915apoptotic processgoUsage匹配范围exact或descendants含全部子术语taxonIdNCBI 分类学 ID9606人、10090小鼠evidenceCodeECO 证据代码ECO:0000269实验证据aspectGO 命名空间biological_process、molecular_function、cellular_componentlimit每页条数最大 100page页码从 1 开始1两个关键参数的语义值得展开goUsagedescendants表示该 GO 术语及其全部后代术语的注释都算是实现包含子术语的功能富集类检索的标准做法。若不指定则默认为精确匹配该术语本身。evidenceCode使用 ECOEvidence and Conclusion Ontology代码而不是旧式 GO 证据码。ECO:0000269代表实验证据对应传统 IDA/IMP/IGI 等实验类证据的合集常见传统证据码还包括 IEA电子注释可信度较低等检索时可通过该参数剔除或仅保留特定证据级别。完整调用示例quickgo.md 中给出的三个示例调用如下# 1. GO 术语详情 curl -s https://www.ebi.ac.uk/QuickGO/services/ontology/go/terms/GO:0003723 # 2. 人类 RNA 结合GO:0003723注释取前 10 条 curl -s https://www.ebi.ac.uk/QuickGO/services/annotation/search?goIdGO:0003723taxonId9606limit10 # 3. 关键词搜索 curl -s https://www.ebi.ac.uk/QuickGO/services/ontology/go/search?queryapoptosislimit5再补充 gene-ontology.md 中的进阶组合示例——按基因产物 后代术语 证据代码三重过滤curl -s https://www.ebi.ac.uk/QuickGO/services/annotation/search?geneProductIdP04637goUsagedescendantsevidenceCodeECO:0000269limit25以及按 GO 术语 物种的组合curl -s https://www.ebi.ac.uk/QuickGO/services/annotation/search?goIdGO:0006915taxonId9606limit25URL 编码注意事项GO ID 形如GO:0008150冒号在 URL 路径中通常可直接使用QuickGO 支持但在查询参数中建议按 SKILL.md 的通用约定编码为GO%3A0008150。使用curl时可用--data-urlencode或-G组合确保安全。其他标识符SMILES、含括号的化合物名同理。响应格式与字段解读QuickGO 返回 JSON。注释搜索端点的典型响应结构见 gene-ontology.md{ numberOfHits: 1234, results: [ { geneProductId: P04637, symbol: TP53, goId: GO:0006915, goName: apoptotic process, evidenceCode: ECO:0000269, goAspect: biological_process, taxonId: 9606, reference: PMID:12345678, assignedBy: UniProt } ] }关键字段语义numberOfHits命中总数是判断分页是否取完的核心依据见下文分页与完整性。goAspectGO 命名空间取值即前述三种 aspect。evidenceCodeECO 证据代码反映注释来源的实验支持强度。reference支撑该注释的文献/数据库引用如 PMID。assignedBy注释归属来源如 UniProt可用于溯源。分页、计数与完整性协议SKILL.md 与 retrieval-contract.md 对这类分页式 API 提出了明确的完整性协议QuickGO 完全适用先取数再翻页QuickGO 是limit page型分页limit最大 100page从 1 起响应中的numberOfHits即总数。先用一个小limit请求拿到总数估算需要的请求次数。循环直至计数吻合累加每页返回条数与numberOfHits比对若中途停止或数量对不上必须显式报告不一致而不是给出看似合理的结果。设定工作上限按技能约定检索超过 10,000 条记录、100 次 API 调用或超出该 API 文档化的大批量使用指引时必须先向用户确认检索计划。大批量走官方下载端点quickgo.md 明确提示EBI fair-use policy. Use download endpoint for large result sets——当用户确实需要全量注释集时应优先使用 EBI 官方 bulk/download 通道而不是逐页爬取。标识符体系GO 术语、UniProt 与 NCBI 分类SKILL.md 的 Common Identifier Formats 表为 QuickGO 涉及的三类标识符给出了规范格式标识符格式示例使用方GO 术语GO:#######GO:0008150QuickGO、Gene OntologyUniProt 登录号P#####或Q#####P04637TP53UniProt、STRING、AlphaFold、ReactomeNCBI 分类 ID整数9606人Ensembl、QuickGO、BioGRID、STRING在database-lookup技能工作流中若用户只给基因符号如 TP53应先在NCBI Gene解析出 ID、在UniProt解析出登录号gene_exact:TP53 AND organism_id:9606再携带解析结果进入 QuickGO 的geneProductId参数。这正是技能第 2 步选主库、用交叉库做标识符解析的典型场景。在 database-lookup 技能框架中的完整调用流程结合 SKILL.md 的核心工作流一次合格的 QuickGO 检索应遵循定义检索契约retrieval-contract.md明确目标实体基因/蛋白/GO 术语、规范标识符、物种约束、证据类型过滤、需要穷尽还是定向查询。缺少物种约束时如TP53 的注释未说明人/鼠应提问而非猜测。选库QuickGO 作为 GO 注释主库。阅读参考文件调用前先读 quickgo.md 与 retrieval-contract.md。规划过滤语义区分服务端过滤goId、taxonId、evidenceCode、aspect等 QuickGO 直接支持的参数与本地过滤如只保留最新 GO 版本中仍有效的注释这类 API 无法表达的条件。有界调用先取numberOfHits估算成本后分页。把外部响应当不可信数据QuickGO 返回的注释文本、文献引用是第三方内容不得把响应原文拼进 shell 命令或当作指令执行只抽取所需字段。输出可审计结果按技能规定的模板给出检索摘要、结果、溯源端点、参数、标识符转换、计数对账、本地过滤、警告。推荐的curl落地调用带分页与计数对账# 第 1 步取总数与第一页 curl -s -H Accept: application/json \ https://www.ebi.ac.uk/QuickGO/services/annotation/search?goIdGO:0006915taxonId9606limit100page1 # 第 2 步按 numberOfHits 循环翻页page 递增直至累计 numberOfHits curl -s -H Accept: application/json \ https://www.ebi.ac.uk/QuickGO/services/annotation/search?goIdGO:0006915taxonId9606limit100page2用 Python 访问bioservices 封装的 QuickGO 客户端仓库中另一个技能 skills/bioservices/references/services_reference.md 提供了 QuickGO 的 Python 编程入口适合将 GO 注释检索嵌入本地分析流程from bioservices import QuickGO g QuickGO() # 获取 GO 术语信息返回 OBO 格式的术语定义与元数据 g.Term(GO:0008150, frmtobo) # 按蛋白或 GO ID 获取注释TSV 格式 g.Annotation(proteinP04637, goidNone, formattsv)该方法面覆盖三个 GO 命名空间BP/MF/CC典型应用场景是功能注释functional annotation与富集分析enrichment analysis。这印证了 QuickGO 在仓库生态中既是database-lookup技能记录的 REST 数据源也被bioservices技能作为 Python 库级客户端纳入。速率限制与负责任使用quickgo.md 对速率限制的描述是遵循 EBI 公平使用政策fair-use policy大批量结果请使用 download 端点。gene-ontology.md 补充说明 QuickGO 未公布硬性限流但建议合理使用。实操层面的建议批量注释检索时控制并发与翻页频率遇到 HTTP 429/503 时短暂等待后重试一次SKILL.md 通用约定需要全量 GO 注释集如构建基准数据集时转向 EBI 官方批量下载通道避免对服务造成压力。同时注意 SKILL.md 的并发约定跨不同数据库的独立请求最多同时保持 5 个在途对 QuickGO 这类公共服务更应保守。常见错误排查当 QuickGO 调用无结果或报错时按 SKILL.md 的错误恢复流程排查检查标识符格式GO ID 是否为GO:#######七位数字规范格式蛋白是否用 UniProt 登录号P04637而非基因符号TP53物种是否用 NCBI 整数 taxon ID9606而非名称。检查 URL 编码查询参数中的冒号GO%3A0008150与特殊字符是否已正确编码。检查过滤语义goUsagedescendants会显著扩大结果集aspect若与目标 GO 术语的命名空间不符会得到空集。更换数据库本体结构遍历类需求祖先/子图可改用 gene-ontology.md 中的 GO API/api/ontology/term/{go_id}/graph端点。显式报告失败告知用户哪个端点失败、错误内容、已尝试的替代方案。延伸阅读skills/database-lookup/references/quickgo.md — 本文主文档QuickGO 端点速查skills/database-lookup/references/gene-ontology.md — GO 本体 API 与 QuickGO 补充参数、响应样例skills/database-lookup/references/database_selection_guide.md — 含GO 功能注释查询首选 QuickGO的选库依据skills/database-lookup/references/retrieval-contract.md — 检索契约与审计清单skills/database-lookup/SKILL.md — 78 个公开数据库的统一检索工作流、分页与溯源约定skills/bioservices/references/services_reference.md — 用 Pythonbioservices.QuickGO访问 GO 注释【免费下载链接】scientific-agent-skillsTurn any AI agent into an AI Scientist. The #1 Agent Skills library for science, used by 190,000 scientists worldwide. 165 ready-to-use validated skills plus 100 scientific databases covering biology, chemistry, medicine, and drug discovery. Compatible with Cursor, Claude Code, Codex, Pi, Antigravity, and the open Agent Skills standard.项目地址: https://gitcode.com/GitHub_Trending/cl/scientific-agent-skills创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
返回列表