使用 entrez_fetch 下載 R 中的 DNA 序列數據：無法檢索查詢

Question

我正在嘗試使用entrez_fetch從 NCBI 下載 DNA 序列數據。 使用以下代碼，我使用entrez_search搜索我需要的序列 ID，然后嘗試下載 FASTA 格式的序列數據：

library(rentrez)
#Search for sequence ids
search <- entrez_search(db = "biosample", 
                        term = "Escherichia coli[Organism] AND geo_loc_name=USA:WA[attr]",
                        retmax = 9999, use_history = T)

search$ids
length(search$ids)
search$web_history

#Download sequence data
ecoli_fasta <- entrez_fetch(db = "nuccore",
                            web_history = search$web_history,
                            rettype = "fasta")

當我這樣做時，出現以下錯誤：

Error: HTTP failure: 400
Cannot+retrieve+query+from+history

我不明白這意味着什么，谷歌搜索也沒有讓我找到答案。

我嘗試使用不同的 package ( ape ) 和 function read.GenBank作為替代下載序列，但這種方法只能下載我需要的 12000 個序列中的大約 1000 個。 如果可能的話，我想使用entrez_fetch - 有人對我有任何見解嗎？

Answer 1

這可能是一個開始。

另請注意，對基因組數據庫的查詢可能會返回大量數據，因此請務必限制您的查詢。

構建搜索 web 歷史記錄

library(rentrez)

search <- entrez_search(db="nuccore", 
                        term="Escherichia coli[Organism]", 
                        use_history = T)

使用web history取數據

cat(entrez_fetch(db="nuccore", 
  web_history=search$web_history, rettype="fasta",  retstart=24, retmax=100))
>pdb|7QQ3|I Chain I, 23S ribosomal RNA
NGTTAAGCGACTAAGCGTACACGGTGGATGCCCTGGCAGTCAGAGGCGATGAAGGACGTGCTAATCTGCG
ATAAGCGTCGGTAAGGTGATATGAACCGTTATAACCGGCGATTTCCGAATGGGGAAACCCAGTGTGTTTC
GACACACTATCATTAACTGAATCCATAGGTTAATGAGGCGAACCGGGGGAACTGAAACATCTAAGTACCC
CGAGGAAAAGAAATCAACCGAGATTCCCCCAGTAGCGGCGAGCGAACGGGGAGCAGCCCAGAGCCTGAAT
CAGTGTGTGTGTTAGTGGAAGCGTCTGGAAAGGCGCGCGATACAGGGTGACAGCCCCGTACACAAAAATG
CACATGCTGTGAGCTCGATGAGTAGGGCGGGACACGTGGTATCCTGTCTGAATATGGGGGGACCATCCTC
CAAGGCTAAATACTCCTGACTGACCGATAGTGAACCAGTACCGTGAGGGAAAGGCGAAAAGAACCCCGGC
...

使用循環循環遍歷序列，例如

for(i in seq(1, 300, 100)){
  cat(entrez_fetch(db="nuccore", 
    web_history=search$web_history, rettype="fasta",  retstart=i, retmax=100))
}