---

name: uniprot-database description: 直接通过 REST API 访问 UniProt。蛋白质搜索、FASTA 检索、ID 映射、Swiss-Prot/TrEMBL。对于使用多个数据库的 Python 工作流，建议使用 bioservices（40+ 服务的统一接口）。本技能适用于直接 HTTP/REST 操作或需要 UniProt 特定控制的场景。 license: Unknown metadata: skill-author: K-Dense Inc. risk: safe source: community

UniProt 数据库

概述

UniProt 是全球领先的综合蛋白质序列和功能信息资源。通过名称、基因或登录号搜索蛋白质，以 FASTA 格式检索序列，在数据库之间进行 ID 映射，通过 REST API 访问 Swiss-Prot/TrEMBL 注释进行蛋白质分析。

何时使用此技能

此技能应在以下情况使用：

• 按名称、基因符号、登录号或生物体搜索蛋白质条目
• 以 FASTA 或其他格式检索蛋白质序列
• 在 UniProt 和外部数据库（Ensembl、RefSeq、PDB 等）之间映射标识符
• 访问蛋白质注释，包括 GO 术语、结构域和功能描述
• 批量检索多个蛋白质条目
• 查询已审核（Swiss-Prot）与未审核（TrEMBL）的蛋白质数据
• 流式传输大型蛋白质数据集
• 使用字段特定搜索语法构建自定义查询

核心功能

1. 搜索蛋白质

使用自然语言查询或结构化搜索语法搜索 UniProt。

常见搜索模式：

# Search by protein name
query = "insulin AND organism_name:\"Homo sapiens\""

# Search by gene name
query = "gene:BRCA1 AND reviewed:true"

# Search by accession
query = "accession:P12345"

# Search by sequence length
query = "length:[100 TO 500]"

# Search by taxonomy
query = "taxonomy_id:9606"  # Human proteins

# Search by GO term
query = "go:0005515"  # Protein binding

使用 API 搜索端点：https://rest.uniprot.org/uniprotkb/search?query={query}&format={format}

支持的格式： JSON、TSV、Excel、XML、FASTA、RDF、TXT

2. 检索单个蛋白质条目

通过登录号检索特定蛋白质条目。

登录号格式：

• 经典格式：P12345、Q1AAA9、O15530（6 个字符：字母 + 5 个字母数字）
• 扩展格式：A0A022YWF9（较新条目为 10 个字符）

检索端点： https://rest.uniprot.org/uniprotkb/{accession}.{format}

示例：https://rest.uniprot.org/uniprotkb/P12345.fasta

3. 批量检索和 ID 映射

在不同数据库系统之间映射蛋白质标识符并高效检索多个条目。

ID 映射工作流：

1. 提交映射任务到：https://rest.uniprot.org/idmapping/run
2. 检查任务状态：https://rest.uniprot.org/idmapping/status/{jobId}
3. 检索结果：https://rest.uniprot.org/idmapping/results/{jobId}

支持映射的数据库：

• UniProtKB AC/ID
• 基因名称
• Ensembl、RefSeq、EMBL
• PDB、AlphaFoldDB
• KEGG、GO 术语
• 以及更多（参见 /references/id_mapping_databases.md）

限制：

• 每个任务最多 100,000 个 ID
• 结果保存 7 天

4. 流式传输大型结果集

对于超出分页限制的大型查询，使用流式端点：

https://rest.uniprot.org/uniprotkb/stream?query={query}&format={format}

流式端点返回所有结果而无需分页，适合下载完整数据集。

5. 自定义检索字段

精确指定要检索的字段以实现高效数据传输。

常用字段：

• accession - UniProt 登录号
• id - 条目名称
• gene_names - 基因名称
• organism_name - 生物体
• protein_name - 蛋白质名称
• sequence - 氨基酸序列
• length - 序列长度
• go_* - 基因本体注释
• cc_* - 评论字段（功能、相互作用等）
• ft_* - 特征注释（结构域、位点等）

示例： https://rest.uniprot.org/uniprotkb/search?query=insulin&fields=accession,gene_names,organism_name,length,sequence&format=tsv

完整字段列表参见 /references/api_fields.md。

Python 实现

对于编程访问，使用提供的辅助脚本 scripts/uniprot_client.py，它实现了：

• search_proteins(query, format) - 使用任意查询搜索 UniProt
• get_protein(accession, format) - 检索单个蛋白质条目
• map_ids(ids, from_db, to_db) - 在标识符类型之间映射
• batch_retrieve(accessions, format) - 检索多个条目
• stream_results(query, format) - 流式传输大型结果集

替代 Python 包：

• Unipressed：现代化、类型化的 UniProt REST API Python 客户端
• bioservices：综合生物信息学 Web 服务客户端

查询语法示例

布尔运算符：

kinase AND organism_name:human
(diabetes OR insulin) AND reviewed:true
cancer NOT lung

字段特定搜索：

gene:BRCA1
accession:P12345
organism_id:9606
taxonomy_name:"Homo sapiens"
annotation:(type:signal)

范围查询：

len