Emdb Cryoem Database

何时使用

适用：

• 按关键词检索 EMDB 冷冻电镜/电子断层（cryo-EM/cryo-ET）密度图（如 "spike protein"、"ribosome 70S"）。
• 取某 EMD-XXXXX 的元数据：分辨率、重构方法、物种、样品、释放日期。
• 拿 .map.gz 密度文件的下载 URL，供 ChimeraX / PyMOL 加载。
• 找拟合进该 map 的 PDB 原子模型（及反查），含 relationship 标签（如 FULLOVERLAP）。
• 抽取主引用：期刊、年份、DOI、PubMed ID。
• 按物种或分辨率阈值筛选一批结构、生成队列元数据表。

不该用（负边界）：

• 需要实验测定的原子坐标——查 RCSB PDB（/rest/v2/entry/{pdb_id}），EMDB 只存 EM 密度图。
• 需要 AI 预测结构——用 alphafold-database-access，EMDB 仅限实验 EM 图。
• 需要靶点结合活性 IC50/Ki——用 chembl-bioactivity-database。

步骤 / 指令

1. 环境：仅需 requests、pandas（作图可加 matplotlib），无需 API key / 认证。pixi/conda 环境用 pixi run python ...。
2. 记住两个服务分工——这是最大坑：
   • Entry API：https://www.ebi.ac.uk/emdb/api/entry/{EMD-XXXXX} —— 单条 JSON 里一次性含元数据、map 头、拟合 PDB 列表、引用。没有 /map、/fitted、/publications 子端点（全 404）。
   • EBI Search WS：https://www.ebi.ac.uk/ebisearch/ws/rest/emdb —— 真正的关键词搜索后端。
3. 关键词搜索一律走 EBI Search WS。裸 https://www.ebi.ac.uk/emdb/api/search/ 会忽略 q= 只返最新条目，依赖它会得到静默错误的队列。
4. EBI Search 字段值都是列表：连单值字段 name 也返 {"name": ["..."]}，永远取 [0] 或 join，兜底 (f.get("name") or [""])[0]。
5. 分辨率是字符串（如 "2.5"），数值过滤前显式 float()，并 try/except 兜住缺值条目。
6. Entry 文档字段多为深层嵌套，按下方字段路径表精确取值。
7. map 下载 URL 自己拼，别硬编码：https://ftp.ebi.ac.uk/pub/databases/emdb/structures/{EMD-XXXXX}/map/{map.file}。
8. 逐条遍历 entry 时加 time.sleep(0.2)：无公开限速，但服务共享，礼貌间隔避免偶发 502。分页用 start += size 直到累计达 hitCount。
9. /api/statistics/ 返 HTML 非 JSON，是给网页 UI 的，别程序化调用。

Entry 文档字段路径表（/api/entry/{id}）

示例

关键词搜索（EBI Search WS，取 id/name/分辨率/方法/物种）：

import requests, pandas as pd
EBI_SEARCH = "https://www.ebi.ac.uk/ebisearch/ws/rest/emdb"

def emdb_search(query, size=20, start=0,
                fields="id,name,resolution,em_method,organism"):
    r = requests.get(EBI_SEARCH, timeout=30, params={
        "query": query, "size": size, "start": start,
        "format": "json", "fields": fields})
    r.raise_for_status()
    return r.json()

d = emdb_search("ribosome 70S", size=10)
rows = [{
    "emdb_id": e["id"],
    "name": (e["fields"].get("name") or [""])[0][:60],
    "resolution_A": float((e["fields"].get("resolution") or [0])[0] or 0) or None,
    "organism": (e["fields"].get("organism") or [""])[0],
} for e in d["entries"]]
print(f"hitCount={d['hitCount']}")
print(pd.DataFrame(rows).to_string(index=False))

Entry 元数据 + map 头 + 下载 URL（单文档一把取全）：

EMDB_API = "https://www.ebi.ac.uk/emdb/api"
EMDB_FTP = "https://ftp.ebi.ac.uk/pub/databases/emdb/structures"
emid = "EMD-30210"   # nsp12-nsp7-nsp8 + Remdesivir (RdRp)
e = requests.get(f"{EMDB_API}/entry/{emid}", timeout=30).json()

sd = e["structure_determination_list"]["structure_determination"][0]
res = sd["image_processing"][0]["final_reconstruction"]["resolution"]
print(f"Title  : {e['admin']['title']}")
print(f"Method : {sd['method']}")
print(f"Resol. : {float(res['valueOf_'])} {res['units']}")
m = e["map"]
print(f"Map    : {m.get('file')} [{m.get('format')}] contour={m.get('contour_list')}")
print(f"DL URL : {EMDB_FTP}/{emid}/map/{m['file']}")

拟合 PDB 原子模型（含 relationship）：

pdblist = (e.get("crossreferences", {}).get("pdb_list") or {})
for ref in pdblist.get("pdb_reference", []):
    rel = (ref.get("relationship") or {}).get("in_frame")
    print(f"  {ref['pdb_id'].upper():6s} relationship={rel}")
# 7BV2  relationship=FULLOVERLAP

主引用（DOI/PMID，形状随期刊/预印本变化，做兜底）：

ct = ((e.get("crossreferences", {}).get("citation_list", {})
        .get("primary_citation", {}).get("citation_type")) or {})
xrefs = ct.get("external_references", []) or ct.get("xref", [])
doi  = next((x.get("valueOf_") for x in xrefs if x.get("type") == "DOI"), None)
pmid = next((x.get("valueOf_") for x in xrefs if x.get("type") == "PUBMED"), None)
print(f"{(ct.get('title') or '').strip()[:70]} — {ct.get('journal')} ({ct.get('year')})")
print(f"DOI={doi}  PMID={pmid}")

按主题做「分辨率筛选 + 拟合 PDB」队列（搜索→过滤≤3 Å→逐条取拟合 PDB）：

import time
hits = []
for start in (0, 50):
    hits += emdb_search("sars-cov-2 spike", size=50, start=start,
                        fields="id,name,resolution")["entries"]
    time.sleep(0.2)
rows = []
for h in hits:
    try:
        r = float((h["fields"].get("resolution") or [None])[0])
    except (TypeError, ValueError):
        continue
    if r <= 3.0:
        rows.append({"emdb_id": h["id"], "resolution_A": r})
df = pd.DataFrame(rows).sort_values("resolution_A")
for emid in df["emdb_id"].head(5):
    e = requests.get(f"{EMDB_API}/entry/{emid}", timeout=30).json()
    pl = e.get("crossreferences", {}).get("pdb_list") or {}
    pdbs = [p["pdb_id"].upper() for p in pl.get("pdb_reference", [])]
    print(f"  {emid} -> {', '.join(pdbs) or '(none fitted)'}")
    time.sleep(0.2)

注意事项

• 搜索端点别用错：/emdb/api/search/ 忽略 q= 返最新条目，会得静默错队列——只用 EBI Search WS（信封为 {hitCount, entries, facets}）。
• 没有子端点：/api/entry/{id}/map、/fitted、/publications 全 404；map、crossreferences.pdb_list、crossreferences.citation_list 都从单 entry 文档读。
• 物种用 supramolecule：natural_source 可能是 dict 或 list，遍历前统一成 list；organism 取 .valueOf_。
• pdb_list 为 {} 是正常的：很多 tomogram / 子断层平均没有拟合原子模型。
• 空 entries：字段限定词写错或拼写错——去掉字段限定改纯文本搜，或在 https://www.ebi.ac.uk/ebisearch/ 核对。
• 关键参数（EBI Search /emdb）：query（必填）、size（默认 15，1–100）、start（分页偏移）、fields（逗号分隔，如 id,name,resolution,em_method,organism）、format（json/xml）。
• 反查 PDB→EMDB：查 RCSB PDB /rest/v2/entry/{pdb_id} 读 rcsb_external_references.emdb_id。
• 参考：EMDB 主页、Entry API 示例、EBI Search WS、FTP 镜像；Lawson CL et al. Nucleic Acids Res 52(D1):D456–D465 (2024) https://doi.org/10.1093/nar/gkad1019。

互见

• alphafold-database-access — AI 预测结构，与 EMDB 实验密度图互补。
• chembl-bioactivity-database — 配体-靶点结合活性，结构定位后看生物活性。
• pubchem-compound-search — 解析 map 中小分子配体的化合物身份。
• cheminformatics-toolkit — 拿到结构/配体后做本地化学信息学分析。
• scientific-database-lookup — 跨多个公开科研库（含 PDB/AlphaFold/EMDB）统一取数时。

采编自 jaechang-hits/SciAgent-Skills（CC-BY-4.0）。