2024-06-17

怎样才能在信息爆炸的时代中快速获取准确的生信数据呢？Rentrez包，NCBI数据库的超级通行证！

原创小果生信果 2024-04-09 19:00:17

收录于话题

小果来啦！相信同学们作为当代的生信人，一定都知道，在生物信息学领域的研究中，获取和分析大量的生物信息是至关重要的，而为了满足科研人员对数据的需求，我们今天的主角Rentrez包作为一款强大工具应运而生。Rentrez旨在使用户能够轻松地与美国国家生物技术信息中心（NCBI）数据库进行交互，而NCBI可是全球最大的生命科学数据库之一，汇集了大量的生物医学数据，包括PubMed中的文献、核苷酸数据库中的信息等。

在今天的学习中，我们将深入探讨Rentrez包的使用方法以及如何利用其从NCBI获取所需的生物信息数据。通过Rentrez包，我们无需复杂的手动操作，就可以轻松地搜索PubMed文献、下载核酸序列。在这个信息爆炸的时代，掌握并灵活运用生物信息学工具已成为科研人员的重要能力。让我们一起开启今天的学习之旅，深入了解Rentrez包的功能和用法，探索其在生物医学研究中的广泛应用吧。

本次介绍的R包需要较多的硬件资源，在服务器可以更加流畅运行，同学们如果没有自己的服务器欢迎联系我们使用服务器租赁~

公众号后台回复“111”

领取本篇代码、基因集或示例数据等文件

文件编号：240402

需要租赁服务器的小伙伴可以扫码添加小果，此外小果还提供生信分析，思路设计，文献复现等，有需要的小伙伴欢迎来撩~

rentrez包介绍

Rentrez包是R语言中一款功能强大的工具，旨在让用户轻松地与美国国家生物技术信息中心（NCBI）数据库进行交互。通过Rentrez包，用户可以方便地获取各种生物医学领域的数据，包括PubMed中的文献和NCBI核苷酸数据库中的序列信息等。该包提供了简洁而灵活的命令，使用户能够根据自己的需求定制检索条件，并轻松获取所需数据。不仅如此，Rentrez还支持多种数据库的调用，用户可以从NCBI各个数据库中获取数据，并提供了丰富的函数和方法来处理这些数据。总之，Rentrez包为生物信息学研究者提供了一个高效、便捷的途径，极大地促进了生物医学研究的发展。

rentrez包安装

需要R语言版本为4.3，在控制台中输入以下命令：

if (!require("BiocManager", quietly = TRUE))    install.packages("BiocManager ")BiocManager::install("rentrez") # 在BiocManager环境下安装rentrez查看是否安装成功packageVersion("rentrez") # 查看rentrez版本

显示为1.2.3版本，则表示已经安装了rentrez包。

使用rentrez包从NCBI获取序列信息

rentrez包实现原理：

美国国家生物技术信息中心（NCBI）开放共享了大量生物医学领域的数据信息，PubMed中有3170万篇论文，NCBI核苷酸数据库（包括GenBank）包含了4320万个不同的序列数据，dbSNP描述了7.02亿个不同的遗传变异。所有这些记录都可以与NCBI分类学中的186万种物种或OMIM中的2.7万个与疾病相关的记录进行交叉引用。NCBI通过网页界面、FTP服务器以及名为Entrez Utilities（简称为Eutils）的REST API提供这些数据。而rentrez包提供了使用该API的功能，允许用户在R会话或脚本中收集和组合来自多个NCBI数据库的数据。

rentrez包可以调用的数据库：

首先，我们可以使用entrez_dbs()函数查找可用数据库的列表：

library(rentrez) # 载入rentrez包entrez_dbs() # 查找可用数据库的列表

显示结果如下图：

我们可以entrez_db_summary()函数查看对应数据库的相关信息。

entrez_db_summary("nuccore") # 查看核酸数据库信息

显示结果如下图：

使用rentrez包搜索pubmed文献：

由entrez_dbs()函数返回的信息可知，我们可以使用rentrez包调用pubmed数据库从而通过关键词检索需要的文献，这里我们需要使用entrez_search()函数，包含两个简单的参数，db参数指定检索的数据库，term参数指定检索的关键词，我们以检索R语言相关信息为例，相关命令如下：

r_search <- entrez_search(db="pubmed", term="R Language") # 在pubmed数据库中检索R语言相关信息该命令的返回值是一个列表，我们可以直接查看它的信息。r_search # 打印r_search内容

显示如下：

由图可知一共检索到19450个相关项，默认保存了20个文献的ID来用于后续检索，同学们可以使用retmax参数来自定义获得的ID数，随后可以使用r_search$ids查看检索到的ID。

r_search$ids # 查看获取的ID

显示如下图：

随后，我们可以通过获得的ID来下载对应的文献的摘要，命令如下：

pubmed_id <- "12345678"  # 替换为你的文献IDarticle <- entrez_fetch(db="pubmed", id=pubmed_id, rettype="abstract")# 使用entrez_fetch函数下载文献信息print(article) # 打印下载的文献信息

结果如下：

使用rentrez包下载核酸序列：

我们同样也可以使用rentrez包根据序列编号来下载对应的核酸序列，相关命令如下：

例如下载K-12大肠杆菌完成基因组

accession_number <- "NC_000913" # 设置要下载的序列的访问号sequence <- entrez_fetch(db = "nuccore", id = accession_number, rettype = "fasta", retmode = "text")# 使用 entrez_fetch 函数下载序列，指定数据库为 "nuccore"，返回类型为 "fasta"，返回模式为 "text"out_file <- "Ecoli.fasta" # 指定输出文件名write(sequence, file = out_file, append = TRUE) # 将下载的序列写入文件中，使用 append = TRUE 表示追加写入而不是覆盖写入

以上命令会在R语言的工作目录下生成一个名为”Ecoli.fasta”的文件，

结果如下图：

以上，就是对于rentrez包的全部介绍了，在今天的学习中，我们深入地了解了rentrez包的相关功能，它是一个让你轻松对接NCBI数据库的利器！通过rentrez包，我们可以轻松地从NCBI获取序列信息、搜索pubmed文献，并且可以根据序列编号下载对应的核酸序列，极大地方便了基因组学研究中的数据获取和处理过程。小果希望同学们继续学习和探索rentrez包的功能和用法，深入了解其更多的应用场景，并将其运用到自己的研究中。通过不断地学习和实践，同学们将能够更好地利用rentrez包，为生物信息研究的进步贡献自己的一份力量！愿同学们在学习过程中取得更多的进步和成就！

同学们如果觉得自己写代码麻烦，可以体验一下我们的云生信小工具，只需输入数据，即可轻松生成所需图表。立即访问云生信

（http://www.biocloudservice.com/home.html），开启便捷的生信之旅！

小果还提供思路设计、定制生信分析、文献思路复现；有需要的小伙伴欢迎直接扫码咨询小果，竭诚为您的科研助力！