- Le blog participatif de bioinformatique francophone depuis 2012 -

Récupérer la fiche d'un gène avec les Eutils du NCBI

-

par

Nolwenn
dans

En bio­in­for­ma­tique il n'est pas rare que l'on ait besoin d’accéder à des infor­ma­tions dis­po­nibles sur des bases de don­nées inter­na­tio­nales, nous ver­rons ici le cas de la banque Gene du NCBI. Avant de s'intéresser à la récu­pé­ra­tion d'une fiche d'un gène en pas­sant par les Eutils, un peu de théo­rie et d'explications sur une fiche type s'impose.

Pourquoi choisir d'utiliser les Eutils ?

Bien qu'il soit pos­sible de jouer avec la construc­tion d'une URL afin de récu­pé­rer la fiche d'un gène au for­mat texte ou XML direc­te­ment sur le ser­veur offi­ciel, le NCBI pré­co­nise plu­tôt l'utilisation du ser­veur Eutils, qui est un outil dédié à l'exécution mas­sive externe de ce genre de requête. Cet outil paraît d'autant plus inté­res­sant qu'il vous per­met d'effectuer de nom­breuses requêtes sans avoir à trop vous inquié­ter de savoir si l'IP de votre labo­ra­toire risque d'être blo­quée ou non. La seule limi­ta­tion étant de ne pas effec­tuer plus de trois requêtes par seconde en pas­sant par les Eutils, il est néces­saire de pré­voir une tem­po­ri­sa­tion des requêtes si besoin.

Récupérer une fiche par les Eutils : les étapes

Pour récu­pé­rer la fiche du gène que vous sou­hai­tez consul­ter, vous devez pas­ser par deux étapes dis­tinctes. Dans notre exemple, la pre­mière étape consiste à effec­tuer une recherche sur la banque Gene afin de trou­ver le gène dont l'identifiant est le numé­ro 5371. Pour cela nous devons construire l'URL sui­vante :

http://eutils.ncbi.nlm.nih.gov/entrez/eutils/esearch.fcgi?db=gene&term=5371[uid]&usehistory=y

Voi­ci ce que les Eutils vont com­prendre :

  • http://eutils.ncbi.nlm.nih.gov/entrez/eutils/esearch.fcgi indique que le moteur de recherche des Eutils est sol­li­ci­té pour récu­pé­rer des infor­ma­tions dans la banque de don­nées ;
  • db=gene pré­cise que la base de don­nées "db" à consul­ter est Gene "gene" ;
  • term=5371[uid] pré­cise que le terme "term" recher­ché est un numé­ro d'identifiant unique "[uid]" auquel on a spé­ci­fié le numé­ro en ques­tion ;
  • usehistory=y est à uti­li­ser pour spé­ci­fier que vous sou­hai­tez uti­li­ser l'historique mais pas seule­ment (voir plus loin).

Pour la pro­chaine étape vous aurez besoin de récu­pé­rer, dans le fichier XML qui vient de s'afficher, les infor­ma­tions sui­vantes :

  • le WebEnv, qui n'apparait pas si vous avez choi­si de ne pas uti­li­ser l'historique ;
  • le numé­ro Que­ry­Key, qui lui est exi­gé pour la seconde étape

La seconde étape va vous per­mettre de récu­pé­rer la fiche de votre gène d'intérêt avec cette nou­velle requête :

http://​eutils​.ncbi​.nlm​.nih​.gov/​e​n​t​r​e​z​/​e​u​t​i​l​s​/​e​f​e​t​c​h​.​f​c​g​i​?​d​b​=​g​e​n​e​&​W​e​b​E​n​v​=​N​C​I​D​_​1​_​2​3​9​2​6​4​2​6​4​_​1​3​0​.​1​4​.​2​2​.​1​0​1​_​9​0​0​1​_​1​3​3​0​6​3​5​0​3​0​_​7​9​3​7​2​5​6​3​&​q​u​e​r​y​_​k​e​y​=​1​&​r​e​t​t​y​p​e​=​x​m​l​&​r​e​t​m​o​d​e​=​t​ext

Et voi­ci l'explication sur ce que le moteur des Eutils effec­tue­ra :

  • http://eutils.ncbi.nlm.nih.gov/entrez/eutils/efetch.fcgi indique que les Eutils doivent affi­cher des infor­ma­tions à l'utilisateur ;
  • db=gene pré­cise que la base de don­nées "db" à consul­ter est Gene "gene" ;
  • WebEnv=NCID_1_239264264_130.14.22.101_9001_1330635030_79372563 indique l'identifiant de WebEnv qui cor­res­pond à la requête de recherche pré­cé­dem­ment effec­tuée ;
  • query_key=1 indique le numé­ro Que­ry­Key "query_​key" pour la requête ;
  • rettype=xml informe que l'affichage devra être de type XML ;
  • retmode=text pré­cise que l'affichage doit être retour­né en mode texte.

Une fois votre requête envoyée au ser­veur, vous aurez sous vos yeux la fiche au for­mat XML du gène PML dont l'identifiant est 5371.

Explications sur la fiche du gène récupéré

Tout d'abord, mer­ci de tenir compte du fait qu'il est par­fai­te­ment pos­sible de trou­ver la fiche d'un gène en uti­li­sant son seul nom, cepen­dant il peut y avoir une forte redon­dance et un retour de plu­sieurs entrées pour un même nom. Dans mon exemple je me foca­lise sur un iden­ti­fiant unique afin de n'avoir qu'une seule fiche à récu­pé­rer.
La fiche d'un gène du NCBI ren­ferme de nom­breuses infor­ma­tions sur le gène, en voi­ci une liste non-exhaus­tive :

  • de nom­breuses réfé­rences croi­sées avec d'autres banques telles que Ensem­bl, HPRD, Vega, OMIM, Pub­Med
  • des infor­ma­tions sur la posi­tion du gène sur son chro­mo­some
  • les pro­téines qui inter­agissent avec le gène ain­si que les pro­duits du gène
  • la sec­tion Gene Onto­lo­gy per­met d'obtenir des ren­sei­gne­ments sur la fonc­tion, le pro­ces­sus et le com­po­sant cel­lu­laire pour le gène
  • un accès direct aux dif­fé­rents pro­fils d'expression du gène en fonc­tion du tis­su et/​ou de la mala­die…

Récupérer la même fiche à l'aide d'un script Perl

Parce qu'il est tou­jours plus simple d'automatiser ce genre de pro­ces­sus, ce script Perl peut vous être très utile :

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
#!/​usr/​bin/​perl ‑w
use strict ;
use war­nings ;
 
# LWP est une biblio­thèque per­met­tant de lire les don­nées en HTTP
use LWP::Simple ;
use LWP::Use­rAgent ;
 
# véri­fie si l'utilisateur a pré­ci­sé le GeneID
if ( !$ARGV[0] ){
    print "Argu­ment GeneID not found!\n$!" and die ;
}
 
my $geneid = $ARGV[0];
 
# véri­fie si le réper­toire tmp/​ existe déjà
if ( ! -d "tmp/​" ){
    exec(mkdir "tmp/​");
}
 
# nom du fichier XML qui sera créé avec le GeneID comme nom
my $xml_​handle = "tmp/​".$geneid.".xml";
my $gene = $geneid."[uid]"; # on veut l'identifiant unique du gène
my $db = "gene"; # on cherche dans la banque de don­nées Gene
 
# construc­tion de la requête de recherche
my $base = 'http://​eutils​.ncbi​.nlm​.nih​.gov/​e​n​t​r​e​z​/​e​u​t​i​ls/';
my $url = $base . "esearch.fcgi?db=".$db."&term=".$gene."&usehistory=y";
 
# récu­pé­ra­tion du résul­tat comme si vous l'aviez ouvert dans votre navi­ga­teur
my $out­put = get($url);
my $web = $1 if ($out­put =~ /​<WebEnv>(\S+)<\/​WebEnv>/​); # récu­pé­ra­tion du WebEnv
my $key = $1 if ($out­put =~ /​<Que­ry­Key>(\d+)<\/​Que­ry­Key>/​); # récu­pé­ra­tion de la que­ry key
my $count = $1 if ($out­put =~ /​<Count>(\d+)<\/​Count>/​); # récu­pé­ra­tion du nombre de résul­tats pour la recherche
 
if ( !$web or !$key or !$count ){
    print "Can't read infor­ma­tions from url : ".$url."\n";
    exit ;
}
 
open (XML, ">", $xml_​handle) or ( warn "Can't create file $xml_handle\n$!\n" and die );
 
# on pré­cise le nombre de résul­tat à retour­ner par tour de boucle :
# 1 pour un résul­tat, 50 pour 50 résul­tats, etc
my $ret­max = 1 ;
for (my $rets­tart = 0 ; $rets­tart < $count ; $rets­tart += $ret­max) {
    my $efetch_​url = $base ."efetch.fcgi?db=".$db."&WebEnv=".$web ;
    $efetch_​url .= "&query_key=".$key."&retstart=".$rets­tart ;
    $efetch_​url .= "&retmax=".$ret­max."&rettype=xml&retmode=text";
    my $efetch_​out = get($efetch_​url);
    if ( !$efetch_​out ){
        print "Can't get file xml from : ".$efetch_​url."\n";
        exit ;
    }
    print XML $efetch_​out ;
}
 
close XML ;

Pour appe­ler ce script depuis un ter­mi­nal, il vous suf­fit d'utiliser la ligne de com­mande sui­vante :

1
perl eutils_​gene.pl 5371

Ce script étant très lar­ge­ment ins­pi­ré du guide offi­ciel, et adap­té en fonc­tion de mes besoins, celui-ci est donc libre d'accès. Vous êtes donc par­fai­te­ment libre de le récu­pé­rer, le dis­sé­quer et le modi­fier à votre conve­nance.

Sources

Pour une prise en main rapide des Eutils : http://​www​.ncbi​.nlm​.nih​.gov/​b​o​o​k​s​/​N​B​K​2​5​5​00/
Pour aller plus loin avec les Eutils : http://​www​.ncbi​.nlm​.nih​.gov/​b​o​o​k​s​/​N​B​K​2​5​5​01/

Vous avez aimé ? Dites-le nous !

Moyenne : 0 /​ 5. Nb de votes : 0

Pas encore de vote pour cet article.

Partagez cet article :

Norore

Nolwenn

Issue d'une licence de biologie cellulaire et physiopathologie et d'un master de bioinformatique, je m'intéresse tout particulièrement au monde de la recherche et au domaine de la santé. J'ai travaillé dans l'unité 946 de l'INSERM, dirigée par Florence Demenais, où mon travail principal a été l'étude et la recherche de bases de données et d'outils d'intérêt majeur pour l'axe de recherche dans lequel j'étais impliquée. J'ai aussi travaillé à l'Institut Pasteur où j'ai été recrutée en tant qu'ingénieure bioinformaticienne dans le cadre du LabEx Milieu Intérieur et où ma mission principale a été de mettre en place une base de données pour la gestion de nos échantillons biologiques. Mes centres d'intérêt en bioinformatique sont : la mise en application de méthodes dans les domaines de la génomique, de la protéomique et les interactions gène-gène protéine-protéine pouvant nous apporter des informations sur leurs influences dans les maladies. Je travaille actuellement au service informatique de l'IBENS où j'ai été recrutée en qualité de développeuse d'applications !

Pour continuer la lecture :

Commentaires

6 réponses à “Récupérer la fiche d'un gène avec les Eutils du NCBI”

  1. Avatar de Lindenbaum Pierre
    Lindenbaum Pierre

    Comme vous vous limi­tez à l'uid toute la par­tie esearch est inutile. Vous pou­vez direc­te­ment taper dans efetch

    [crayon-66a45f8e233f8550052818/]

    Répondre
    1. Norore
      Norore

      Mer­ci pour la remarque, je l'ignorais à ce moment là mais je pense que cela me sera utile un jour ou l'autre.
      Néan­moins, le script étant géné­rique, il peut par­fai­te­ment adap­té à d'autres cas de figures, tel que la recherche d'un gène par son nom, où là il peut y avoir plus d'une fiche.

      Répondre
  2. Avatar de HEBRARD Maxime
    HEBRARD Maxime

    mer­ci pour ce script très ins­truc­tif.
    ‑Serait il pos­sible de récu­pé­rer de manière simi­laires les séquences nucléo­ti­dique d'un gène ?
    ‑Y'a t'il une pos­si­bi­li­té simi­laire d'interrogation de la base Ensem­bl ?

    mer­ci

    Répondre
    1. Norore
      Norore

      Bon­jour, oui c'est pos­sible.

      Pour récu­pé­rer les séquences nucléo­ti­diques d'un gène de façon simi­laire, il vous fau­dra pas­ser par la banque Nucleo­tide du NCBI, donc a prio­ri il vous suf­fit de rem­pla­cer gene par nuc­core, tou­te­fois le com­por­te­ment de la banque est très dif­fé­rent, aus­si il vous fau­dra ajus­ter la requête envoyée par term afin de trou­ver la liste des séquences nucléo­ti­diques connues pour votre gène d'intérêt.
      Il existe éga­le­ment un autre moyen, pour cela vous pou­vez pas­ser par la récu­pé­ra­tion de la fiche XML de votre gène d'intérêt et cher­cher le tag XML défi­nis­sant la banque de don­née Nucleo­tide, vous devriez ain­si trou­ver l'identifiant unique pour la séquence nucléo­ti­dique que vous cher­chez, ce qui vous per­met­tra d'envoyer la requête direc­te­ment à cette banque. Après il ne vous res­te­ra plus qu'à choi­sir de récu­pé­rer la fiche au for­mat XML ou au for­mat Fas­ta.
      Voi­ci un exemple du tag auquel je fais allu­sion :
      [crayon-66a45f8e23374110213587/]
      Je vous conseille, par expé­rience, de pas­ser par un par­ser XML (Perl en pos­sède quelques uns, dis­po­nibles sur le CPAN) afin de vous faci­li­ter la tâche, les fichiers XML four­nis par le NCBI ne sont pas tou­jours faciles à appré­hen­der pour cer­taines infor­ma­tions.

      Pour la pos­si­bi­li­té simi­laire d'interrogation de la base Ensem­bl, oui, il en existe au moins 2, dont une que je connais bien, il s'agit de l'API Bio­Mart-Perl, que vous pou­vez trou­ver chez Bio­Mart, four­ni par le San­ger Ins­ti­tute. L'API Perl n'est dis­po­nible que pour la ver­sion 0.7, mais si vous pré­fé­rez une API en Java la ver­sion 0.8, plus récente, est dis­po­nible pour ce lan­gage. La seconde API en Perl, dont un article pour le blog est pré­vu, uti­lise Bio­Perl et est four­nie, et docu­men­tée, par Ensem­bl.

      J'espère avoir répon­du à vos attentes.

      Répondre
    2. Yohan J.
      nahoy

      Pour inter­ro­ger Ensem­bl, un sys­tème équi­valent existe. Vous trou­ve­rez la docu­men­ta­tion ici.

      Répondre
    3. Avatar de HEBRARD Maxime
      HEBRARD Maxime

      Mer­ci a vous,
      Je regarde tout ça avec inté­rêt.

      Répondre

Laisser un commentaire