我正在尝试下载华盛顿州内大肠杆菌样本的序列数据--大约有1283个序列，我知道这个数量很多。我遇到的问题是entrez_search和/或entrez_fetch似乎提取了错误的数据。例如，下面的R代码提取了1283个ID，但当我对这些ID使用entrez_fetch时，我得到的序列数据来自鸡和玉米以及其他非大肠杆菌的东西。
search <- entrez_search(db = "biosample",
term = "Escherichia coli[Organism] AND geo_loc_name=USA:WA[attr]",
retmax = 9999, use_history = T)类似地，我尝试手动提取一个样本的序列作为测试，当我在the NCBI website上搜索登录号SAMN 30954130时，我看到了大肠杆菌样本的元数据，当我使用下面的代码时，我看到了鸡的元数据：
search <- entrez_search(db = "biosample",
term = "SAMN30954130[ACCN]",
retmax = 9999, use_history = T)
fetch_test <- entrez_fetch(db = "nucleotide",
id = search$ids,
rettype = "xml")
fetch_list <- xmlToList(fetch_test)
1条答案
按热度按时间3j86kqsm1#
这里的问题是，您正在使用一个生物样本UID来查询核苷酸数据库。然而，该UID随后被解释为核苷酸UID，因此您得到的序列记录与原始生物样本查询无关。
在这种情况下需要使用
entrez_link，它使用UID链接两个数据库之间的记录。例如，您的生物样本登录号SAMN30954130具有生物样本UID 30954130。您可以将其链接到核苷酸，如下所示：
你可以得到相应的核苷酸UID（s）如下：
然后：
这在rentrez tutorial的"查找交叉引用"一节中介绍。