Uniprot Database

Banco de Dados UniProt

Visão Geral

UniProt é o principal recurso abrangente do mundo para sequências de proteínas e informações funcionais. Busque proteínas por nome, gene ou acesso, recupere sequências em formato FASTA, execute mapeamento de IDs entre bancos de dados, acesse anotações Swiss-Prot/TrEMBL via API REST para análise de proteínas.

Quando Usar Esta Skill

Esta skill deve ser usada quando:

• Procurar por entradas de proteínas por nome, símbolo de gene, acesso ou organismo
• Recuperar sequências de proteínas em FASTA ou outros formatos
• Mapear identificadores entre UniProt e bancos de dados externos (Ensembl, RefSeq, PDB, etc.)
• Acessar anotações de proteínas incluindo termos GO, domínios e descrições funcionais
• Recuperar em lote múltiplas entradas de proteínas eficientemente
• Consultar dados de proteínas revisadas (Swiss-Prot) versus não revisadas (TrEMBL)
• Fazer streaming de grandes conjuntos de dados de proteínas
• Construir consultas personalizadas com sintaxe de busca específica por campo

Capacidades Principais

1. Buscar Proteínas

Busque no UniProt usando consultas em linguagem natural ou sintaxe de busca estruturada.

Padrões de busca comuns:

# Buscar por nome de proteína
query = "insulin AND organism_name:\"Homo sapiens\""

# Buscar por nome de gene
query = "gene:BRCA1 AND reviewed:true"

# Buscar por acesso
query = "accession:P12345"

# Buscar por comprimento de sequência
query = "length:[100 TO 500]"

# Buscar por taxonomia
query = "taxonomy_id:9606"  # Proteínas humanas

# Buscar por termo GO
query = "go:0005515"  # Ligação de proteína

Use o endpoint de busca da API: https://rest.uniprot.org/uniprotkb/search?query={query}&format={format}

Formatos suportados: JSON, TSV, Excel, XML, FASTA, RDF, TXT

2. Recuperar Entradas Individuais de Proteínas

Recupere entradas de proteínas específicas pelo número de acesso.

Formatos de número de acesso:

• Clássico: P12345, Q1AAA9, O15530 (6 caracteres: letra + 5 alfanuméricos)
• Estendido: A0A022YWF9 (10 caracteres para entradas mais recentes)

Endpoint de recuperação: https://rest.uniprot.org/uniprotkb/{accession}.{format}

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

3. Recuperação em Lote e Mapeamento de IDs

Mapeie identificadores de proteínas entre diferentes sistemas de banco de dados e recupere múltiplas entradas eficientemente.

Workflow de mapeamento de IDs:

1. Envie trabalho de mapeamento para: https://rest.uniprot.org/idmapping/run
2. Verifique status do trabalho: https://rest.uniprot.org/idmapping/status/{jobId}
3. Recupere resultados: https://rest.uniprot.org/idmapping/results/{jobId}

Bancos de dados suportados para mapeamento:

• UniProtKB AC/ID
• Nomes de genes
• Ensembl, RefSeq, EMBL
• PDB, AlphaFoldDB
• KEGG, termos GO
• E muitos mais (veja /references/id_mapping_databases.md)

Limitações:

• Máximo de 100.000 IDs por trabalho
• Resultados armazenados por 7 dias

4. Fazer Streaming de Grandes Conjuntos de Resultados

Para consultas grandes que excedem limites de paginação, use o endpoint de stream:

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

O endpoint de stream retorna todos os resultados sem paginação, apropriado para baixar conjuntos de dados completos.

5. Personalizar Campos Recuperados

Especifique exatamente quais campos recuperar para transferência de dados eficiente.

Campos comuns:

• accession - Número de acesso UniProt
• id - Nome da entrada
• gene_names - Nome(s) do gene
• organism_name - Organismo
• protein_name - Nomes de proteína
• sequence - Sequência de aminoácidos
• length - Comprimento da sequência
• go_* - Anotações de Gene Ontology
• cc_* - Campos de comentário (função, interação, etc.)
• ft_* - Anotações de recursos (domínios, sítios, etc.)

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

Veja /references/api_fields.md para lista completa de campos.

Implementação em Python

Para acesso programático, use o script auxiliar fornecido scripts/uniprot_client.py que implementa:

• search_proteins(query, format) - Buscar no UniProt com qualquer consulta
• get_protein(accession, format) - Recuperar entrada de proteína única
• map_ids(ids, from_db, to_db) - Mapear entre tipos de identificador
• batch_retrieve(accessions, format) - Recuperar múltiplas entradas
• stream_results(query, format) - Fazer stream de grandes conjuntos de resultados

Pacotes Python alternativos:

• Unipressed: Cliente Python moderno e tipado para API REST do UniProt
• bioservices: Cliente abrangente de serviços web de bioinformática

Exemplos de Sintaxe de Consulta

Operadores booleanos:

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

Buscas específicas por campo:

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

Consultas de intervalo:

length:[100 TO 500]
mass:[50000 TO 100000]

Caracteres curinga:

gene:BRCA*
protein_name:kinase*

Veja /references/query_syntax.md para documentação abrangente de sintaxe.

Melhores Práticas

1. Use entradas revisadas quando possível: Filtre com reviewed:true para entradas Swiss-Prot (manualmente curadas)
2. Especifique formato explicitamente: Escolha o formato mais apropriado (FASTA para sequências, TSV para dados tabulares, JSON para análise programática)
3. Use seleção de campo: Solicite apenas campos que você precisa para reduzir largura de banda e tempo de processamento
4. Trate paginação: Para grandes conjuntos de resultados, implemente paginação apropriada ou use o endpoint de stream
5. Cache de resultados: Armazene dados frequentemente acessados localmente para minimizar chamadas à API
6. Rate limiting: Seja respeitoso com os recursos da API; implemente atrasos para operações em lote grandes
7. Verifique qualidade de dados: Entradas TrEMBL são previsões computacionais; entradas Swiss-Prot são revisadas manualmente

Recursos

scripts/

uniprot_client.py - Cliente Python com funções auxiliares para operações comuns do UniProt incluindo busca, recuperação, mapeamento de IDs e streaming.

references/

• api_fields.md - Lista completa de campos disponíveis para personalizar consultas
• id_mapping_databases.md - Bancos de dados suportados para operações de mapeamento de IDs
• query_syntax.md - Sintaxe de consulta abrangente com exemplos avançados
• api_examples.md - Exemplos de código em múltiplas linguagens (Python, curl, R)

Recursos Adicionais

• Documentação da API: https://www.uniprot.org/help/api
• Explorador de API Interativo: https://www.uniprot.org/api-documentation
• Tutorial REST: https://www.uniprot.org/help/uniprot_rest_tutorial
• Ajuda de Sintaxe de Consulta: https://www.uniprot.org/help/query-fields
• Endpoint SPARQL: https://sparql.uniprot.org/ (para consultas de gráficos avançadas)