PhytozomeのデータをPythonから呼び出せる、PhytoMineというものの存在を知ったので試してみました。Phytozomeは植物の研究者には馴染み深いサイトで、様々な植物種のゲノム・遺伝子情報を調べるのに便利なサイトです。

PhytoMineはInterMineというデータウェアハウスシステムのレジストリの一つです。

InterMineは、LGPL2.1の下でライセンス供与されているオープンソースのデータウェアハウスシステムです。 InterMineは、高度なWebクエリツールによってアクセスされる生物学的データのデータベースを作成するために使用されます。 InterMineを使用して、単一のデータセットからデータベースを作成したり、複数のデータソースを統合したりできます。いくつかの一般的な生物学的フォーマットのサポートが提供され、他のデータを追加するためのフレームワークがあります。 InterMineには、「箱から出してすぐに」機能し、簡単にカスタマイズできるユーザーフレンドリーなWebインターフェイスが含まれています。
Wikipedia "InterMine"より

InterMineはPythonを含む様々なプログラミング言語で利用することができます。詳しい情報はAPI and Client Librariesを参考に。

PythonでのPhytoMineの使い方について、InterMine-Pythonのチュートリアルを参考に試してみました。インストールはpipでやりました。

$ pip install intermine

クエリとして遺伝子機能と植物種を指定して、Pythonで遺伝子のリストを取得してみました。リストの作成はPandasで行いました。ソースコードは以下の通り。

size = 20 #取得するデータ数を指定

import pandas as pd
from intermine.webservice import Service

service = Service("https://phytozome.jgi.doe.gov/phytomine/service") #PhytoMineのURLを指定してインスタンスを作成
query = service.new_query("Gene") #遺伝子情報を取得する
query.add_constraint("briefDescription","CONTAINS","transcription factor") #遺伝子機能を指定(条件A)
query.add_constraint("name","CONTAINS","Eucgr") #ユーカリ・グランディスの遺伝子名の頭につく"Eucgr"を利用してユーカリ・グランディスを植物種として指定(条件B)
query.add_constraint("name","CONTAINS","Potri") #ポプラの遺伝子名の頭につく"Potri"を利用してポプラを植物種として指定(条件C)
query.set_logic("A & (B | C)") #ユーカリ・グランディスとポプラ、両方の遺伝子を調べるための設定(条件A かつ 条件Bまたは条件C)

dfs = [] #出力を保存するための空リストを作成
for row in query.rows(size=size):
    dfs.append(pd.DataFrame(row.values(),index=row.keys()).T) #データの取得とリストへの保存

dfs = pd.concat(dfs) #リストをデータフレームに変換
dfs.to_csv("Tree_TFs_Top20.csv")  #データフレームをcsv形式で保存

Gene.briefDescription	Gene.cytoLocation	Gene.description	Gene.genomicOrder	Gene.id	Gene.length	Gene.name	Gene.primaryIdentifier	Gene.score	Gene.scoreType	Gene.secondaryIdentifier	Gene.symbol
(1 of 102) PF00319 - SRF-type transcription fa...	None	None	None	49560540	186	Potri.010G098100	Potri.010G098100	None	None	PAC:26981244	None
(1 of 102) PF00319 - SRF-type transcription fa...	None	None	None	303626540	186	Potri.010G098100	Potri.010G098100	None	None	PAC:37221527	None
(1 of 10) PTHR31657:SF9 - ETHYLENE-RESPONSIVE ...	None	None	None	48348276	2263	Potri.007G090600	Potri.007G090600	None	None	PAC:27016559	None
(1 of 10) PTHR31657:SF9 - ETHYLENE-RESPONSIVE ...	None	None	None	48359640	1853	Potri.003G139300	Potri.003G139300	None	None	PAC:26998891	None
(1 of 10) PTHR31657:SF9 - ETHYLENE-RESPONSIVE ...	None	None	None	48837989	1051	Potri.005G168700	Potri.005G168700	None	None	PAC:27030760	None
(1 of 10) PTHR31657:SF9 - ETHYLENE-RESPONSIVE ...	None	None	None	49691741	1649	Potri.017G055400	Potri.017G055400	None	None	PAC:26983926	None
(1 of 10) PTHR31657:SF9 - ETHYLENE-RESPONSIVE ...	None	None	None	50099858	2177	Potri.005G077300	Potri.005G077300	None	None	PAC:27029242	None
(1 of 10) PTHR31657:SF9 - ETHYLENE-RESPONSIVE ...	None	None	None	50216626	2401	Potri.013G135600	Potri.013G135600	None	None	PAC:26993814	None
(1 of 10) PTHR31657:SF9 - ETHYLENE-RESPONSIVE ...	None	None	None	50231866	2179	Potri.019G102200	Potri.019G102200	None	None	PAC:27025339	None
(1 of 10) PTHR31657:SF9 - ETHYLENE-RESPONSIVE ...	None	None	None	303511172	2177	Potri.005G077300	Potri.005G077300	None	None	PAC:37265642	None
(1 of 10) PTHR31657:SF9 - ETHYLENE-RESPONSIVE ...	None	None	None	303527050	1051	Potri.005G168700	Potri.005G168700	None	None	PAC:37263387	None
(1 of 10) PTHR31657:SF9 - ETHYLENE-RESPONSIVE ...	None	None	None	303695561	2263	Potri.007G090600	Potri.007G090600	None	None	PAC:37252859	None
(1 of 10) PTHR31657:SF9 - ETHYLENE-RESPONSIVE ...	None	None	None	303799992	2401	Potri.013G135600	Potri.013G135600	None	None	PAC:37233326	None
(1 of 10) PTHR31657:SF9 - ETHYLENE-RESPONSIVE ...	None	None	None	303940612	2179	Potri.019G102200	Potri.019G102200	None	None	PAC:37260937	None
(1 of 10) PTHR31657:SF9 - ETHYLENE-RESPONSIVE ...	None	None	None	304098097	1649	Potri.017G055400	Potri.017G055400	None	None	PAC:37223899	None
(1 of 10) PTHR31657:SF9 - ETHYLENE-RESPONSIVE ...	None	None	None	304255554	1853	Potri.003G139300	Potri.003G139300	None	None	PAC:37236557	None
(1 of 11) K08064 - nuclear transcription facto...	None	None	None	49458724	4801	Potri.011G098400	Potri.011G098400	None	None	PAC:27000615	None
(1 of 11) KOG4282 - Transcription factor GT-2 ...	None	None	None	174786351	2903	Eucgr.J01012	Eucgr.J01012	None	None	PAC:32033046	None
(1 of 11) KOG4282 - Transcription factor GT-2 ...	None	None	None	174819386	2316	Eucgr.J02994	Eucgr.J02994	None	None	PAC:32035652	None
(1 of 11) KOG4282 - Transcription factor GT-2 ...	None	None	None	175094637	2197	Eucgr.G03225	Eucgr.G03225	None	None	PAC:32071912	None

PhytoMineのQueryBuilderのページをみる限り、クエリに使えるデータタイプは遺伝子以外にも色々とあるようなので、ぼちぼち試していきたいです。