Bioservices

BioServices

Visão Geral

BioServices é um pacote Python que fornece acesso programático a aproximadamente 40 serviços web e bancos de dados de bioinformática. Recupere dados biológicos, execute queries cross-banco de dados, mapeie identificadores, analise sequências e integre múltiplos recursos biológicos em workflows Python. O pacote trata tanto protocolos REST quanto SOAP/WSDL de forma transparente.

Quando Usar Esta Skill

Esta skill deve ser usada quando:

• Recuperar sequências de proteínas, anotações ou estruturas de UniProt, PDB, Pfam
• Analisar pathways metabólicos e funções gênicas via KEGG ou Reactome
• Buscar em bancos de dados de compostos (ChEBI, ChEMBL, PubChem) para informações químicas
• Converter identificadores entre diferentes bancos de dados biológicos (KEGG↔UniProt, IDs de compostos)
• Executar buscas de similaridade de sequências (BLAST, alinhamento MUSCLE)
• Consultar termos de gene ontology (QuickGO, anotações GO)
• Acessar dados de interações proteína-proteína (PSICQUIC, IntactComplex)
• Minerar dados genômicos (BioMart, ArrayExpress, ENA)
• Integrar dados de múltiplos recursos de bioinformática em um único workflow

Capacidades Centrais

1. Análise de Proteínas

Recupere informações de proteínas, sequências e anotações funcionais:

from bioservices import UniProt

u = UniProt(verbose=False)

# Search for protein by name
results = u.search("ZAP70_HUMAN", frmt="tab", columns="id,genes,organism")

# Retrieve FASTA sequence
sequence = u.retrieve("P43403", "fasta")

# Map identifiers between databases
kegg_ids = u.mapping(fr="UniProtKB_AC-ID", to="KEGG", query="P43403")

Métodos-chave:

• search(): Consulta UniProt com termos de busca flexíveis
• retrieve(): Obtenha entradas de proteínas em vários formatos (FASTA, XML, tab)
• mapping(): Converta identificadores entre bancos de dados

Referência: references/services_reference.md para detalhes completos da API UniProt.

2. Descoberta e Análise de Pathways

Acesse informações de pathways KEGG para genes e organismos:

from bioservices import KEGG

k = KEGG()
k.organism = "hsa"  # Set to human

# Search for organisms
k.lookfor_organism("droso")  # Find Drosophila species

# Find pathways by name
k.lookfor_pathway("B cell")  # Returns matching pathway IDs

# Get pathways containing specific genes
pathways = k.get_pathway_by_gene("7535", "hsa")  # ZAP70 gene

# Retrieve and parse pathway data
data = k.get("hsa04660")
parsed = k.parse(data)

# Extract pathway interactions
interactions = k.parse_kgml_pathway("hsa04660")
relations = interactions['relations']  # Protein-protein interactions

# Convert to Simple Interaction Format
sif_data = k.pathway2sif("hsa04660")

Métodos-chave:

• lookfor_organism(), lookfor_pathway(): Busque por nome
• get_pathway_by_gene(): Encontre pathways contendo genes
• parse_kgml_pathway(): Extraia dados estruturados de pathway
• pathway2sif(): Obtenha redes de interação proteica

Referência: references/workflow_patterns.md para workflows completos de análise de pathways.

3. Buscas em Bancos de Dados de Compostos

Busque e faça referência cruzada de compostos em múltiplos bancos de dados:

from bioservices import KEGG, UniChem

k = KEGG()

# Search compounds by name
results = k.find("compound", "Geldanamycin")  # Returns cpd:C11222

# Get compound information with database links
compound_info = k.get("cpd:C11222")  # Includes ChEBI links

# Cross-reference KEGG → ChEMBL using UniChem
u = UniChem()
chembl_id = u.get_compound_id_from_kegg("C11222")  # Returns CHEMBL278315

Workflow comum:

1. Busque composto por nome em KEGG
2. Extraia ID de composto KEGG
3. Use UniChem para mapeamento KEGG → ChEMBL
4. IDs ChEBI geralmente estão fornecidos em entradas KEGG

Referência: references/identifier_mapping.md para guia completo de mapeamento cross-banco de dados.

4. Análise de Sequências

Execute buscas BLAST e alinhamentos de sequências:

from bioservices import NCBIblast

s = NCBIblast(verbose=False)

# Run BLASTP against UniProtKB
jobid = s.run(
    program="blastp",
    sequence=protein_sequence,
    stype="protein",
    database="uniprotkb",
    email="your.email@example.com"  # Required by NCBI
)

# Check job status and retrieve results
s.getStatus(jobid)
results = s.getResult(jobid, "out")

Nota: Tarefas BLAST são assíncronas. Verifique o status antes de recuperar resultados.

5. Mapeamento de Identificadores

Converta identificadores entre diferentes bancos de dados biológicos:

from bioservices import UniProt, KEGG

# UniProt mapping (many database pairs supported)
u = UniProt()
results = u.mapping(
    fr="UniProtKB_AC-ID",  # Source database
    to="KEGG",              # Target database
    query="P43403"          # Identifier(s) to convert
)

# KEGG gene ID → UniProt
kegg_to_uniprot = u.mapping(fr="KEGG", to="UniProtKB_AC-ID", query="hsa:7535")

# For compounds, use UniChem
from bioservices import UniChem
u = UniChem()
chembl_from_kegg = u.get_compound_id_from_kegg("C11222")

Mapeamentos suportados (UniProt):

• UniProtKB ↔ KEGG
• UniProtKB ↔ Ensembl
• UniProtKB ↔ PDB
• UniProtKB ↔ RefSeq
• E muitos outros (veja references/identifier_mapping.md)

6. Consultas de Gene Ontology

Acesse termos GO e anotações:

from bioservices import QuickGO

g = QuickGO(verbose=False)

# Retrieve GO term information
term_info = g.Term("GO:0003824", frmt="obo")

# Search annotations
annotations = g.Annotation(protein="P43403", format="tsv")

7. Interações Proteína-Proteína

Consulte bancos de dados de interação via PSICQUIC:

from bioservices import PSICQUIC

s = PSICQUIC(verbose=False)

# Query specific database (e.g., MINT)
interactions = s.query("mint", "ZAP70 AND species:9606")

# List available interaction databases
databases = s.activeDBs

Bancos de dados disponíveis: MINT, IntAct, BioGRID, DIP e 30+ outros.

Workflows de Integração Multi-Serviço

BioServices se destaca na combinação de múltiplos serviços para análise abrangente. Padrões comuns de integração:

Pipeline Completo de Análise de Proteínas

Execute um workflow completo de caracterização de proteína:

python scripts/protein_analysis_workflow.py ZAP70_HUMAN your.email@example.com

Este script demonstra:

1. Busca UniProt por entrada de proteína
2. Recuperação de sequência FASTA
3. Busca de similaridade BLAST
4. Descoberta de pathway KEGG
5. Mapeamento de interações PSICQUIC

Análise de Rede de Pathways

Analise todos os pathways de um organismo:

python scripts/pathway_analysis.py hsa output_directory/

Extrai e analisa:

• Todos os IDs de pathway para organismo
• Interações proteína-proteína por pathway
• Distribuições de tipo de interação
• Exporta para formatos CSV/SIF

Busca de Composto Cross-Banco de Dados

Mapeie identificadores de compostos entre bancos de dados:

python scripts/compound_cross_reference.py Geldanamycin

Recupera:

• ID de composto KEGG
• Identificador ChEBI
• Identificador ChEMBL
• Propriedades básicas do composto

Conversão em Lote de Identificadores

Converta múltiplos identificadores de uma vez:

python scripts/batch_id_converter.py input_ids.txt --from UniProtKB_AC-ID --to KEGG

Melhores Práticas

Tratamento de Formato de Saída

Diferentes serviços retornam dados em vários formatos:

• XML: Parse usando BeautifulSoup (maioria dos serviços SOAP)
• Tab-separated (TSV): DataFrames Pandas para dados tabulares
• Dictionary/JSON: Manipulação Python direta
• FASTA: Integração BioPython para análise de sequências

Limitação de Taxa e Verbosidade

Controle comportamento de requisições de API:

from bioservices import KEGG

k = KEGG(verbose=False)  # Suppress HTTP request details
k.TIMEOUT = 30  # Adjust timeout for slow connections

Tratamento de Erros

Envolva chamadas de serviço em blocos try-except:

try:
    results = u.search("ambiguous_query")
    if results:
        # Process results
        pass
except Exception as e:
    print(f"Search failed: {e}")

Códigos de Organismos

Use abreviações padrão de organismos:

• hsa: Homo sapiens (humano)
• mmu: Mus musculus (camundongo)
• dme: Drosophila melanogaster
• sce: Saccharomyces cerevisiae (levedura)

Liste todos os organismos: k.list("organism") ou k.organismIds

Integração com Outras Ferramentas

BioServices funciona bem com:

• BioPython: Análise de sequências em dados FASTA recuperados
• Pandas: Manipulação de dados tabulares
• PyMOL: Visualização de estrutura 3D (recupere IDs PDB)
• NetworkX: Análise de rede de interações de pathways
• Galaxy: Wrappers de ferramentas customizadas para plataformas de workflow

Recursos

scripts/

Scripts Python executáveis demonstrando workflows completos:

• protein_analysis_workflow.py: Caracterização de proteína end-to-end
• pathway_analysis.py: Descoberta de pathway KEGG e extração de rede
• compound_cross_reference.py: Busca de compostos multi-banco de dados
• batch_id_converter.py: Utilitário de mapeamento em lote de identificadores

Scripts podem ser executados diretamente ou adaptados para casos de uso específicos.

references/

Documentação detalhada carregada conforme necessário:

• services_reference.md: Lista abrangente de todos os 40+ serviços com métodos
• workflow_patterns.md: Workflows de análise multi-etapa detalhados
• identifier_mapping.md: Guia completo para conversão de IDs cross-banco de dados

Carregue referências ao trabalhar com serviços específicos ou tarefas de integração complexa.

Instalação

uv pip install bioservices

Dependências são gerenciadas automaticamente. Pacote é testado em Python 3.9-3.12.

Informações Adicionais

Para documentação de API detalhada e recursos avançados, consulte:

• Documentação oficial: https://bioservices.readthedocs.io/
• Código-fonte: https://github.com/cokelaer/bioservices
• Referências específicas do serviço em references/services_reference.md