PythonでFasta Moonlightタンパク質配列を抽出

Question

PythonでMoonlighting Protein Database（www.moonlightingproteins.org/results.php?search_text=）のアミノ酸配列を持つFASTAファイルを抽出したいのですが、これは反復プロセスなので、私はむしろ手作業よりもプログラミングする方法を学びたいと思いますが、私たちは2016年です。問題は、私が新人プログラマーなのでコードを書く方法を知らないことです。基本的な擬似コードは次のようになります！事前に

for protein_name in site: www.moonlightingproteins.org/results.php?search_text=: 

     go to the uniprot option 

     download the fasta file 

     store it in a .txt file inside a given folder 

おかげ

Answer 1

私は強くデータベースの作成者に依頼することをお勧めから。：

Iは、バイオインフォマティクスを用い アミノ酸配列または構造を分析するために、プロジェクトにMoonProtデータベースを使用したいです。

の配列解析用にMoonProtデータベースを使用したい場合や、月光タンパク質の 構造に興味がある場合は、bioinformatics@moonlightingproteins.orgまでご連絡ください。

興味深いものがあると思われる場合、どのように論文や論文に引用しますか？ 「著者らの同意なしに公開ウェブページからシーケンスを掻き集めました」元の研究者に信用を与える方がはるかに良い。

戻ってあなたの元の質問にscraping

の入門ですが。

import requests 
from lxml import html 
#let's download one protein at a time, change 3 to any other number 
page = requests.get('http://www.moonlightingproteins.org/detail.php?id=3') 
#convert the html document to something we can parse in Python 
tree = html.fromstring(page.content) 
#get all table cells 
cells = tree.xpath('//td') 

for i, cell in enumerate(cells): 
    if cell.text: 
     #if we get something which looks like a FASTA sequence, print it 
     if cell.text.startswith('>'): 
      print(cell.text) 
    #if we find a table cell which has UniProt in it 
    #let's print the link from the next cell 
    if 'UniProt' in cell.text_content(): 
     if cells[i + 1].find('a') is not None and 'href' in cells[i + 1].find('a').attrib: 
      print(cells[i + 1].find('a').attrib['href'])