# Brenda Enzyme Database > 当需要按 EC 号/底物/物种查询酶动力学参数（Km、kcat、Vmax、Ki）、底物-产物、抑制剂、辅因子、最适 pH/温度或交叉 UniProt 时使用；用 Python zeep 调 BRENDA SOAP 服务（SHA256 鉴权、需免费学术注册）检索并产出可用于动力学建模的参数表。不适用于代谢网络约束建模（用 cobrapy）或代谢物结构（用 hmdb）。触发词：BRENDA、酶动力学、Km、kcat、Vmax、Ki、EC 号、米氏常数、底物特异性、抑制剂、辅因子、最适pH温度 - Skill: `findscripter/brenda-enzyme-database` (Agent Skill) - Install (CLI): `npx skillmds@latest add findscripter/brenda-enzyme-database` - Raw SKILL.md: https://api.skillmd.com/api/skills/findscripter/brenda-enzyme-database/raw - Safety review: pending - Works with: Claude Code, Claude.ai, OpenAI Codex - Category: Coding & Dev Tools - License: CC-BY-4.0 - Author: findscripter (https://skillmd.com/u/findscripter) - Updated: 2026-09-17 - Page: https://skillmd.com/skills/findscripter/brenda-enzyme-database --- ## 何时使用 当你需要在 BRENDA（BRaunschweig ENzyme DAtabase：8 万+ 酶条目、覆盖全部 EC 号、700 万+ 实测动力学参数）中检索酶的动力学与功能数据时使用本技能。典型场景： - 取某酶+底物组合的 Km / kcat / Vmax / Ki（米氏常数、转换数、抑制常数） - 跨物种或跨突变体比较同一酶的动力学参数 - 查某 EC 号的天然底物-产物、抑制剂、辅因子 - 为代谢动力学模型提取米氏-门顿参数 - 查酶的最适 pH / 最适温度 - 把 EC 号交叉到 UniProt 登录号与物种分类 **不该用本技能的边界：** - 做约束式代谢网络（FBA）建模 → 用 `cobrapy-metabolic-modeling` - 查代谢物 / 底物的化学结构与生物背景 → 用 `hmdb-metabolome-database` - 仅按通路上下文关联 EC → 用 `kegg-database` **注意 BRENDA 是 SOAP 而非 REST**：必须用 `zeep` 解析 WSDL，密码须传 SHA256 散列（非明文），且需在官网免费学术注册后才能调用。 ## 步骤 / 指令 1. **准备环境**：`pip install zeep pandas requests`；到 https://www.brenda-enzymes.org/register.php 免费注册（学术）获取账号。 2. **建客户端 + 算密码散列**（密码须 `hexdigest()`，不是 `digest()`）： ```python from zeep import Client import hashlib WSDL = "https://www.brenda-enzymes.org/soap/brenda_zeep.wsdl" client = Client(WSDL) EMAIL = "your@email.com" PWD = hashlib.sha256("your_password".encode()).hexdigest() ``` 生产中用环境变量 `os.environ["BRENDA_EMAIL"]` / `["BRENDA_PASSWORD"]`，勿硬编码。 3. **拼参数调方法**。每个服务方法签名固定为 9 个位置参数：`(EMAIL, PWD, 过滤1, 过滤2, …, "")`，过滤器是管道分隔的 `字段*值` 串，空位留 `""`。核心方法： | 方法 | 返回 | 关键结果字段 | |---|---|---| | `getKmValue` | Km 记录 | `kmValue`、`kmValueMaximum`、`substrate`、`organism`、`literature`(PMID) | | `getTurnoverNumber` | kcat 记录(1/s) | `turnoverNumber`、`substrate`、`organism` | | `getSubstrates` | 底物-产物 | `substrate`、`organism` | | `getInhibitors` | 抑制剂 | `inhibitor`、`organism`、`ic50Value` | | `getPhOptimum` / `getTemperatureOptimum` | 最适 pH / 温度(°C) | `phOptimum` / `temperatureOptimum` | | `getUniprotAccession` | UniProt 交叉 | `uniprotAccessionNumber`、`organism` | | `getEcNumber` | 名称→EC 号 | `ecNumber`、`recommendedName` | 4. **常用过滤字段**：`ecNumber*1.1.1.27`（必填，X.X.X.X 带点）、`substrate*pyruvate`、`organism*Homo sapiens`、`commentary*<文本>`、`recommendedName*lactate dehydrogenase`（配 getEcNumber 反查 EC）。 5. **批量加节流**：SOAP 服务较慢，循环里加 `time.sleep(0.5~1)` 防超时；多结果聚合用中位数+IQR（同底物多文献常跨一个数量级），按物种过滤避免参数混杂。 ## 示例 **快速上手 — 取 LDH+丙酮酸 的 Km：** ```python ec = "1.1.1.27" # 乳酸脱氢酶 params = (EMAIL, PWD, f"ecNumber*{ec}", "substrate*pyruvate", "", "", "", "", "") result = client.service.getKmValue(*params) print(f"Km 记录数: {len(result)}") for r in result[:3]: print(f" Km={r.kmValue} {r.kmValueMaximum or ''} mM | {r.organism} | PMID:{r.literature}") ``` **按物种过滤 + kcat / 抑制剂 / 最适条件：** ```python # 人源 GAPDH 的 Km（物种过滤放第 5 位） hp = (EMAIL, PWD, "ecNumber*1.2.1.12", "", "organism*Homo sapiens", "", "", "", "") human_km = client.service.getKmValue(*hp) # LDH 的 kcat（1/s） kc = client.service.getTurnoverNumber(EMAIL, PWD, "ecNumber*1.1.1.27", "", "", "", "", "", "") # 碳酸酐酶(4.2.1.1)的抑制剂 inh = client.service.getInhibitors(EMAIL, PWD, "ecNumber*4.2.1.1", "", "", "", "", "", "") names = list({r.inhibitor for r in inh if r.inhibitor}) # 胰蛋白酶(3.4.21.4)最适 pH / 温度 ph = client.service.getPhOptimum(EMAIL, PWD, "ecNumber*3.4.21.4", "", "", "", "", "", "") tp = client.service.getTemperatureOptimum(EMAIL, PWD, "ecNumber*3.4.21.4", "", "", "", "", "", "") ``` **工作流 — 为代谢建模批量提取 Km/kcat 中位数：** ```python import pandas as pd, time enzymes = {"Hexokinase":"2.7.1.1", "PGI":"5.3.1.9", "PFK":"2.7.1.11", "Aldolase":"4.1.2.13"} rows = [] for name, ec in enzymes.items(): p = (EMAIL, PWD, f"ecNumber*{ec}", "", "organism*Homo sapiens", "", "", "", "") try: km = [r.kmValue for r in client.service.getKmValue(*p) if r.kmValue] kcat = [r.turnoverNumber for r in client.service.getTurnoverNumber(*p) if r.turnoverNumber] rows.append({"enzyme":name, "ec":ec, "km_median_mM": pd.Series(km).median() if km else None, "kcat_median_1_s": pd.Series(kcat).median() if kcat else None}) except Exception as e: rows.append({"enzyme":name, "ec":ec, "error":str(e)}) time.sleep(0.5) pd.DataFrame(rows).to_csv("glycolysis_kinetics.csv", index=False) ``` **催化效率 kcat/Km（注意单位：Km 由 mM 换算到 M）：** ```python km_median, kcat_median = 0.1, 500 # mM, 1/s（示例） efficiency = kcat_median / (km_median * 1e-3) # M^-1 s^-1 print(f"kcat/Km = {efficiency:.2e} M^-1 s^-1") # 扩散极限 ≈ 1e8–1e9 ``` **名称反查 EC：** ```python p = (EMAIL, PWD, "recommendedName*lactate dehydrogenase", "", "", "", "", "", "") for r in client.service.getEcNumber(*p)[:5]: print(f"EC {r.ecNumber}: {r.recommendedName}") ``` ## 注意事项 - **密码必须 SHA256 散列且用 `hexdigest()`**：用 `hashlib.sha256(pwd.encode()).hexdigest()`；误用 `digest()` 或明文会触发 `zeep.exceptions.Fault: Authentication failed`。 - **EC 号格式 X.X.X.X 带点**：返回空列表时先核对格式，并先去掉 `substrate*` 过滤试一次（底物名拼写常导致 0 结果）。 - **参数是 9 元位置参数**：过滤器按 `字段*值` 拼，空位留 `""`；物种过滤通常占第 5 位（见示例），错位会查不到。 - **结果字段可能缺失**：用 `getattr(r, "field", None)` 安全取值，避免 `AttributeError`。 - **超时与慢响应**：热门酶（数据巨大）务必加 `organism*`/`substrate*` 过滤缩小结果集；可设 zeep transport timeout；`TransportError` 多为网络/VPN 问题，30 秒后重试。 - **跨物种参数差异大**：建模时必须按目标物种过滤（如 `organism*Homo sapiens`）。 - **多文献聚合用中位数+IQR**：同一底物的实测值常跨一个数量级，勿用均值。 - **EC 一级分类**：1 氧化还原酶、2 转移酶、3 水解酶、4 裂合酶、5 异构酶、6 连接酶、7 转位酶。 ## 互见 - requires：无（仅需 `zeep`/账号） - related：`kegg-database` —— 经 EC 号关联通路上下文；`uniprot-protein-database` —— 酶的序列/结构；`hmdb-metabolome-database` —— 底物/代谢物结构 - combines_with：`cobrapy-metabolic-modeling` —— 把 BRENDA 的 Km/Vmax 作动力学约束做代谢建模 参考：BRENDA 官网 https://www.brenda-enzymes.org/ ｜ SOAP API 文档 https://www.brenda-enzymes.org/soap.php ｜ zeep https://docs.python-zeep.org/ ｜ Chang et al. (2021) NAR https://doi.org/10.1093/nar/gkaa1025 --- 采编自 jaechang-hits/SciAgent-Skills（CC-BY-4.0）。