findscripter 何时使用
需要用一个统一接口（gget，CLI 与 Python 同构）跨 20+ 基因组数据库取数与做轻量分析时使用，典型场景：
- 跨物种从 Ensembl 按关键词搜基因、查基因元数据（名称/ID/描述，融合 Ensembl+UniProt+NCBI）。
- 取 Ensembl 基因/转录本的核酸或蛋白序列；下载某物种参考基因组与注释（GTF/cDNA/DNA/CDS/PEP）。
- 对参考库跑 BLAST/BLAT 远程检索，或做多序列比对（Muscle5）与本地快速比对（DIAMOND）。
- 用 AlphaFold2 从氨基酸序列预测 3D 结构；下载 PDB 结构；找线性基序（ELM）。
- 用 Enrichr 做基因集富集（GO/KEGG/疾病等）；用 OpenTargets 查靶点的疾病/药物/成药性关联。
- 查 CELLxGENE 单细胞数据、ARCHS4 组织表达与共表达基因、Bgee 直系同源。
- 经 cBioPortal/COSMIC 查癌症突变与拷贝数变异。
不该用的边界：
- 大批量处理或高级 BLAST 参数 → 用
biopython（本技能的 BLAST 是远程便捷封装）。 - 带内建限速的多数据库 SDK 编排（UniProt/KEGG/ChEMBL 等程序化工作流）→ 用
bioservices。 - 只需对单个公开库发 REST 请求取原始 JSON、不想装 gget → 用
scientific-database-lookup。 - 深度富集/自定义基因集库分析、上游差异表达计算不在此 → 见
gene-set-enrichment-analysis。 - gget 查的是远程库，不做大规模本地数据集统计建模。
步骤 / 指令
- 装包：
pip install gget（建议干净虚拟环境）。部分模块首次用前需gget setup <module>：alphafold（约 4GB 参数 + OpenMM）、cellxgene、elm。 - 按域选模块（Python 调
gget.<module>()，CLI 调gget <module>）：
| 域 | 模块 | 主要数据库 |
|---|---|---|
| 基因参考/检索 | ref search info seq |
Ensembl, UniProt, NCBI |
| 序列比对 | blast blat muscle diamond |
NCBI BLAST, UCSC, 本地 |
| 蛋白结构 | pdb alphafold elm |
RCSB PDB, AlphaFold2, ELM |
| 表达 | archs4 cellxgene bgee |
ARCHS4, CZ CELLxGENE, Bgee |
| 疾病/药物 | opentargets enrichr |
OpenTargets, Enrichr |
| 癌症 | cbio cosmic |
cBioPortal, COSMIC |
| 工具 | mutate setup |
本地 |
- 校正标识符：基因检索用
gget.search(...)得 Ensembl ID（ENSG...），下游info/seq/opentargets复用之。注意物种：默认homo_sapiens，可用species="mouse"等简写。 - 调用取数：Python 返回 DataFrame/dict（加
json=True出 JSON、save=True落盘）；CLI 默认 JSON（-csv出 CSV、-o file存盘）。序列出 FASTA，结构出 PDB，单细胞出 AnnData。 - 限速：远程库（BLAST/BLAT/info）批量调用要在循环里
time.sleep(2)；gget.info()单次 ≤ 约 1000 个 Ensembl ID。 - 钉版本保证可复现：
gget.ref(..., release=112)、gget.cellxgene(..., census_version="2023-07-25")，并记录gget.__version__。
Enrichr 库简写：'pathway'=KEGG_2021_Human、'transcription'=ChEA_2016、'ontology'=GO_Biological_Process_2021、'diseases_drugs'=GWAS_Catalog_2019、'celltypes'=PanglaoDB_Augmented_2021；也可直接传任意 Enrichr 库名（如 "Jensen_TISSUES"）。
OpenTargets resource：diseases / drugs / tractability / pharmacogenetics / expression / depmap / interactions。
示例
基因检索 → 信息 → 序列 → 富集（Python）：
import gget
# 1. 按关键词搜基因
results = gget.search(["BRCA1", "tumor suppressor"], species="homo_sapiens")
gene_ids = results["ensembl_id"].tolist()[:10]
# 2. 取详细信息（Ensembl + UniProt + NCBI），单次 ≤ ~1000 ID
info = gget.info(gene_ids)
# 3. 取蛋白序列
seqs = gget.seq(gene_ids, translate=True)
# 4. 富集分析（GO 生物学过程）
enr = gget.enrichr(["ACE2", "AGT", "AGTR1", "TMPRSS2", "DPP4"], database="ontology")
print(enr[["Term", "Adjusted P-value"]].head())
远程比对加限速、靶点验证（Python）：
import gget, time
# BLAST 对 SwissProt（远程，批量循环里要 sleep）
hits = gget.blast("MKWMFKEDHSLEHRCV...", database="swissprot", limit=10)
time.sleep(2)
# 靶点的疾病/药物/成药性关联
g = "ENSG00000169194"
diseases = gget.opentargets(g, resource="diseases", limit=20)
drugs = gget.opentargets(g, resource="drugs")
下载 RNA-seq 参考文件（CLI，钉 release）：
gget ref -w gtf -w cdna -d -r 112 homo_sapiens # GTF + cDNA
gget ref -w dna -d homo_sapiens # 基因组 DNA
结构预测前先查 PDB（gget.pdb() 秒级，AlphaFold 需数分钟到数小时）：
import gget
pdb = gget.pdb("7S7U", save=True) # 已有就别白跑 AlphaFold
structure = gget.alphafold("MKWMFK...", plot=True, show_sidechains=True, relax=True)
注意事项
- 先查 PDB 再跑 AlphaFold：
pdb()即时，AlphaFold 耗时极长；蛋白过长会 GPU OOM，拆结构域或缩短序列。gget setup alphafold需 Python 3.8–3.10。 - 限速与上限：远程库批量调用要
time.sleep()；gget.info()超量会超时，单次 ≤ 约 1000 ID 并分批。 - 保持更新：数据库约每两周变结构，定期
pip install --upgrade gget防 schema 变更导致报错；同一查询不同时间结果可能不同——钉版本（release=112/census_version）。 - CELLxGENE 基因符号大小写敏感：人用
'ACE2'、鼠用'Ace2'，须精确匹配。 - COSMIC 需账号 + 本地库：首次
gget.cosmic(..., download_cosmic=True, email=..., password=...)；认证报错时重填凭据并查账号状态。 - BLAST 空结果：序列太短或无匹配——换更长序列、换库或
megablast_off=True。 - 接口选择：流水线用 Python（返回可链式处理的 DataFrame），快速探查用 CLI（
-csv）。 - cBioPortal 缓存：重复分析用
data_dir="./cache"避免重复下载大数据集。
互见
- related：
scientific-database-lookup—— 不想装 gget、只需对公开库发 REST 请求取原始 JSON 时。 - related：
single-cell-rnaseq-analysis、genomic-file-toolkit、protein-language-models - combines_with：
gene-set-enrichment-analysis—— gget 取基因列表/共表达基因后做深度通路富集。 - combines_with：
nextflow-pipeline-builder—— 用gget ref下载参考文件喂入 RNA-seq 比对流水线。
本条采编自 jaechang-hits/SciAgent-Skills（CC-BY-4.0）。