Ucsc Genome Browser

何时使用

适用于通过 UCSC Genome Browser REST API（https://api.genome.ucsc.edu/，免费、免认证、返回 JSON）在线检索 100+ 装配体（hg38、mm39、dm6 等）的：

• 取任意基因组区间的参考 DNA 序列（启动子、外显子、CRISPR 靶点等）
• 取 RefSeq / GENCODE 基因结构（外显子坐标、CDS 边界、链向）
• 查 PhyloP / PhastCons 逐碱基保守性分数，评估变异位点的进化约束
• 列出/查询某装配体的 1000+ 注释轨道（重复序列、CpG 岛、调控元件、保守性）
• 取某装配体的染色体大小，为 bedtools / pysam / 覆盖度流程做坐标准备
• 访问公共 track hub（ENCODE、Roadmap Epigenomics）而无需本地下载

不该用的边界：

• 需要 Ensembl 稳定 ID、VEP 变异效应注释或跨物种同源比对时，改用 ensembl 技能
• 需要在百万级区间上做本地批量计算时，先用预下载的 UCSC 注释文件配合 bedtools 技能

步骤

前置： pip install requests matplotlib（批量可视化时需要）。坐标使用 0-based 半开区间（BED 格式）：start 含、end 不含。所有调用统一以下基址：

import requests
BASE = "https://api.genome.ucsc.edu"

1. 取序列 — getData/sequence：

def get_sequence(genome, chrom, start, end):
    r = requests.get(f"{BASE}/getData/sequence",
                     params={"genome": genome, "chrom": chrom,
                             "start": start, "end": end})
    r.raise_for_status()
    return r.json()["dna"]

seq = get_sequence("hg38", "chr17", 43044294, 43045294)  # BRCA1 TSS 周边 1kb
print(f"Length: {len(seq)} bp; {seq[:60]}...")

负链基因需取反向互补：

def revcomp(seq):
    comp = str.maketrans("ACGTacgt", "TGCAtgca")
    return seq.translate(comp)[::-1]

2. 查轨道数据 — getData/track，响应 JSON 以轨道名为键（务必用 .get(track, []) 防 KeyError）：

def get_track_data(genome, track, chrom, start, end):
    r = requests.get(f"{BASE}/getData/track",
                     params={"genome": genome, "track": track,
                             "chrom": chrom, "start": start, "end": end})
    r.raise_for_status()
    data = r.json()
    return data.get(track, data.get("data", []))

repeats = get_track_data("hg38", "rmsk", "chr8", 127_735_434, 127_742_951)  # MYC 区重复序列

BED 型轨道返回含 chrom/chromStart/chromEnd/name/score/strand 的字典列表；bigWig 型轨道（保守性、信号）返回 {start, end, value} 区间列表。

3. 列轨道 / 染色体大小 — 先发现可用数据：

tracks = requests.get(f"{BASE}/list/tracks", params={"genome": "hg38"}).json().get("tracks", {})
sizes  = requests.get(f"{BASE}/list/chromosomes", params={"genome": "hg38"}).json().get("chromosomeSizes", {})

4. 取基因模型 — refGene 轨道，并解析外显子区间：

def get_refgene(genome, chrom, start, end):
    r = requests.get(f"{BASE}/getData/track",
                     params={"genome": genome, "track": "refGene",
                             "chrom": chrom, "start": start, "end": end})
    r.raise_for_status()
    return r.json().get("refGene", [])

def parse_exons(rec):
    starts = [int(s) for s in rec["exonStarts"].strip(",").split(",") if s]
    ends   = [int(e) for e in rec["exonEnds"].strip(",").split(",") if e]
    return list(zip(starts, ends))

genes = get_refgene("hg38", "chr7", 55_019_017, 55_211_628)  # EGFR

5. 取保守性分数 — bigWig 轨道（如 phyloP100way，正分=保守、负分=快速进化）：

def get_conservation(genome, track, chrom, start, end):
    r = requests.get(f"{BASE}/getData/track",
                     params={"genome": genome, "track": track,
                             "chrom": chrom, "start": start, "end": end})
    r.raise_for_status()
    return r.json().get(track, [])

scores = get_conservation("hg38", "phyloP100way", "chr17", 7_676_580, 7_676_610)  # TP53 248 密码子热点

6. 列装配体 / 访问 hub — list/ucscGenomes 返回全部 UCSC 托管装配体；hub 端点用 hubUrl 参数指向 hub.txt。

指令

• 坐标统一 0-based：浏览器界面显示 1-based 闭区间，转 API 时 start = browser_start - 1，end 不变。混用会导致沉默的 off-by-one 错误。
• 先发现再查询：轨道内部名（如 refGene、cpgIslandExt、rmsk）不总是直观，先 list/tracks 找到正确名再查。
• 批量加延时：无强制限速，但服务器是共享资源，处理 >50 个区间时每次请求间插 time.sleep(0.5)。
• 缓存染色体大小：跨多区间的流程只调一次 list/chromosomes，结果存字典复用。
• 多转录本去歧义：同一位点有多个转录本时，按 name2（基因符号）过滤并选最长转录本（max(records, key=lambda x: x["txEnd"]-x["txStart"])）。

示例

提取基因列表的启动子序列（写 FASTA）：

import time
GENOME, PROMOTER_UP = "hg38", 2000
gene_loci = {"BRCA1": ("chr17", 43_044_294, 43_125_482),
             "TP53":  ("chr17",  7_661_779,  7_687_538)}
results = {}
for gene, (chrom, s, e) in gene_loci.items():
    recs = [r for r in get_refgene(GENOME, chrom, s, e) if r.get("name2") == gene]
    if not recs:
        continue
    g = max(recs, key=lambda x: x["txEnd"] - x["txStart"])
    if g["strand"] == "+":
        ps, pe = max(0, g["txStart"] - PROMOTER_UP), g["txStart"]
    else:
        ps, pe = g["txEnd"], g["txEnd"] + PROMOTER_UP
    seq = get_sequence(GENOME, chrom, ps, pe)
    if g["strand"] == "-":
        seq = revcomp(seq)
    results[gene] = (chrom, ps, pe, g["strand"], seq)
    time.sleep(0.5)
with open("promoters.fa", "w") as fh:
    for gene, (chrom, ps, pe, strand, seq) in results.items():
        fh.write(f">{gene} {chrom}:{ps}-{pe}({strand})\n{seq}\n")

批量变异保守性查询（写 CSV）：

import time, pandas as pd
variants = [{"id": "rs28897672", "chrom": "chr17", "pos": 7_676_594},   # TP53 R248
            {"id": "rs1042522",  "chrom": "chr17", "pos": 7_676_147}]   # TP53 R72P
rows = []
for v in variants:
    sc = get_conservation("hg38", "phyloP100way", v["chrom"], v["pos"]-6, v["pos"]+5)
    vals = [s["value"] for s in sc]
    rows.append({**v, "phyloP_mean": round(sum(vals)/len(vals), 3) if vals else float("nan")})
    time.sleep(0.5)
pd.DataFrame(rows).to_csv("variant_conservation.csv", index=False)

其他快捷配方： 取序列后算 GC 含量 (seq.count("G")+seq.count("C"))/len(seq)*100；用 refGene 记录的 txStart/txEnd + name2/strand 写 BED 文件供 IGV/bedtools；提交批量前用 list/chromosomes 校验坐标是否越界（start>=0 and end<=sizes[chrom] and start<end）。

注意事项

互见

• ensembl — Ensembl REST API，Ensembl 稳定 ID、VEP 变异效应、跨物种同源；Ensembl 中心工作流首选
• encode — ENCODE 门户调控元件数据集（ChIP-seq/ATAC-seq 峰），喂入 UCSC track hub
• bedtools — 对从 UCSC 下载的 BED 文件做交集、覆盖度与坐标运算
• regulomedb — 调控变异打分，与 UCSC 调控轨道有重叠

参考： UCSC REST API 文档、API 基址、Table Browser、Kent WJ et al. (2002) Genome Res 12:996–1006。

采编自 jaechang-hits/SciAgent-Skills（CC-BY-4.0），适配重写为中文「技能大典」条目。