Encuentra una secuencia de proteínas y completa una búsqueda BLAST

Ejemplo práctico Encuentra la hemoglobina humana revisada alpha entrada y recuperar su secuencia

Comience con el nombre humano del gen HBA1, recupere una proteína UniProt revisada y su FASTA canónica, luego presente una búsqueda BLAST e inspeccione el informe completado. Este ejemplo enseña la búsqueda y comparación de secuencias usando una proteína conocida.

Antes de comenzar, siga Bases de datos científicos para habilitar los conectores necesarios. Utilice un modelo conectado y un Entorno de ejecución de Notebook disponible.

1. Encuentra la proteína y recupera su FASTA

Genes & Ontologies puede descubrir entradas de UniProt antes de conocer una adhesión. Use search_uniprot_entries con un nombre gen, frase o organismo de nombre de proteína. organism_id coincide con el taxón especificado, mientras que reviewed: true selecciona Swiss-Prot y false selecciona entradas TrEMBL no revisadas. Omit reviewed para incluir ambos. Siga next_cursor sin cambiar los filtros o el tamaño de la página al continuar una consulta.

Activar Genes & Ontologies, abrir una sesión con un modelo conectado y el tiempo de ejecución Notebook disponible, luego enviar:

Use Genes & Ontologies through Session Notebook. Call search_uniprot_entries
with gene HBA1, organism_id 9606, reviewed true and page_size 5.
Save the query and complete response as hba1-uniprot.json. Check the
returned organism and protein identity, then retrieve the canonical FASTA
for the matching accession with get_uniprot_entries. Add that response to
the JSON and save hba1-query.fasta. Keep everything in English. Preserve
missing or empty results; do not invent sequences.

Abra el JSON antes de usar el FASTA. Esta consulta devolvió P69905 / HBA_HUMAN, Homo sapiens, Aminoácidos 142, con nombres de genes HBA1 y HBA2. La respuesta identificó la liberación UniProt 2026_03, total_results: 1 y has_more: false. El encabezado de la FASTA preserva la adhesión y el organismo; la secuencia contiene residuos 142. Una consulta de nombre gen puede devolver una entrada de proteína asociada con más de un gen, por lo que no inferir un mapeo de uno a uno.

Consulta UniProt y respuesta de FASTA · FASTA canónica

2. Presentar y seguir el trabajo de BLAST

Para una búsqueda de similitud, active Genomes y utilice sus tres operaciones BLAST. La secuencia se envía al servicio público de NCBI; utilizar entrada pública o autorizada de otra manera.

1. Llame a blast_submit una vez con la secuencia, su molecule_type y una base de datos compatible. Mantenga el rid devuelto y la guía de votación. Para la proteína anterior, molecule_type: protein y database: swissprot seleccionan una búsqueda de proteínas.
2. Llama a blast_status por ese RID. Las solicitudes de la misma RID deben ser por lo menos 60 segundos separados, y todas las solicitudes BLAST al menos 10 segundos separados. Siga cualquier demora más larga devuelta por el servicio. WAITING significa que el trabajo todavía está apagado o funcionando; retener su RID en lugar de presentar de nuevo.
3. Después de READY, respeta el mismo intervalo antes de blast_results. Los formatos disponibles son json2, xml2, text y tabular. Los informes están vinculados a la MiB 2; solicitar menos golpes si es necesario. La salida tabular puede incluir comentarios y no es automáticamente una tabla CSV.
4. Compruebe la longitud de la consulta, una base de datos efectiva, adhesiones iguales, el intervalo de alineación, identidad y valor de E en el informe real. La similitud secuencial por sí sola no establece función. Una secuencia conocida de hemoglobina es útil para aprender los controles, no demostrando el descubrimiento de una proteína desconocida.

Si la presentación devuelve blast_submission_unknown, su aceptación es incierta: no vuelva a presentar automáticamente. Preserve la respuesta y cualquier RID. Nunca trate un recibo de presentación o estado WAITING como alineación completa. Las entradas exactas y las condiciones de retorno están en el Referencia BLAST.

3. Abrir e interpretar el informe completo

Continuar el mismo ejemplo de proteína en la sesión anterior. Mantenga el recibo de la comunicación para que una solicitud posterior pueda reanudar el mismo trabajo. Enviar:

Continue with the public P69905 FASTA retrieved above. Use Genomes through
Session Notebook. If this session already has a BLAST RID, resume that RID;
otherwise call blast_submit once with molecule_type protein, database
swissprot and hitlist_size 5, then save the receipt. Space requests for the
same RID by at least 60 seconds and follow any longer server delay. Check
blast_status; if it is still WAITING, keep the RID for a later check rather
than submitting again. After READY, wait the required interval and retrieve
blast_results in json2 format. Save hba1-blast-raw.json, hba1-blast-hits.csv
and hba1-blast-results.md. Include the actual database, query length,
accessions, alignment coordinates, identity counts and E-values. Explain
the coverage and identity calculations. Keep everything in English and
preserve actual errors or empty results. Never invent alignments.

Después de que el informe esté listo, abra hba1-blast-results.md y compare su tabla con hba1-blast-raw.json. Este ejemplo utilizó BLASTP 2.17.0+, con swissprot confirmado por el informe, una consulta 142-amino-acid y 5 hits:

Adhesión	Residuos idénticos / longitud de alineación	Cobertura de consultas	E-valor
P69905	142/142 (100%)	100%	1.99033e-100
P01923	140/141 (99.29%)	99.30%	1.06845e-98
Q9TS35	140/142 (98.59%)	100%	2.38346e-98
P06635	139/142 (97.89%)	100%	3.57742e-98
P01924	138/141 (97.87%)	99.30%	3.00466e-97

Para cada primer HSP, la identidad es el recuento idéntico dividido por longitud de alineación. La cobertura de las consultas es el lapso de consulta-coordinado dividido por 142. Para P01923, el lapso de consulta es 2-142: la cobertura es 141/142 = 99.30%, mientras que la identidad es 140/141 = 99.29%. Los dos porcentajes responden a diferentes preguntas; Tampoco es la probabilidad de que una asignación de funciones sea correcta.

Informe completo · Mesa de cinco asientos · Informe NCBI JSON2

El golpe superior P69905 es la secuencia de entrada en sí, por lo que su identidad y cobertura 100% proporcionan un cheque de secuencia conocida. Los otros éxitos muestran secuencias similares, no un nuevo descubrimiento funcional. Retener el informe y la consulta con la tabla de resultados; una versión posterior de la base de datos puede cambiar la lista de éxitos.