NCBIのAPI(E-Utils)を使ってPMIDからDOIを取得(Python編)

NCBIの論文情報をAPI(E-Utils)を用いて取得し、ローカル環境でPythonで解析しましたので、その方法について記録します。

記載時：2021/9/10
環境：macOS Catalina(10.15.7)、Python 3.8.5

#1.E-Utilsについて

E-Utilsを用いたGEOへのアクセスについては下記に概要が説明されています。

簡単に説明すると、例えばPMIDを引数として、論文タイトルやDOIを返り値として取得という作業をCUIで行うことができます。

#2.PUbMedから論文情報を取得してみる。

E-UtilsにはeSearch、eSummary、eFetch、ePost、eLink、eInfoなどのプログラムがあります。
今回は試しにeSummaryを使用して、引数として渡したPubMed IDからDOIを返すプログラムを作成してみます。
まず、Webブラウザでアクセスして概要を把握します。今回はXML形式でデータを取得します。実際に(PMID) 33294783の論文(私の学位論文 笑)の情報を取得してみます。

URLは{使用するプログラムのURL}?{クエリパラメータ}となります。

例：https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esummary.fcgi?db=pubmed&id=33294783&retmode=xml

このように表示されます。
PythonでこのXMLデータをローカル取得し、必要な情報を抽出したいと思います。

#3.PythonでAPIからアクセス

pmid_doi.py

# pubmed idを入力してDOIを返すプログラム

import sys
import urllib.parse as parse
import urllib.request as req
from bs4 import BeautifulSoup

# 基礎の指定
API = "https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esummary.fcgi"

# 引数を取得
if len(sys.argv) <= 1:
    print("USAGE: pmid_doi.py (PMID)")
    sys.exit()
pmid = sys.argv[1]

# パラメータをURLエンコード
query = {
    "db": "pubmed",
    "id": pmid,
    "retmode" : "xml",
}
params = parse.urlencode(query)

# HTMLを取得
url = API + "?" + params
print(url)
res = req.urlopen(url)

# Beautifulsoupで解析
soup = BeautifulSoup(res, "html.parser")
# セレクタの結果はリストになるので抽出
DOI = soup.select("Item[Name='DOI']")[0]
# 文字列のみ抽出
DOI = DOI.string

# 結果表示
print(DOI)

解説；APIへのアクセスのためにurllibモジュールのparseパッケージとrequestパッケージをインポートします。取得したXMLデータの解析のため、BeautifulSoupをインポートしておきます。

まず、基礎となるプログラムのURLを指定します(eSummaryを使用するのであれば
https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esummary.fcgi
を指定します)。

続いて、URLクエリパラメータをdictionary形式で指定します。
今回はデータベースとしてpubmed、データ形式はxmlとします。
辞書データをparseしてURLとして渡せる形式にします。

urlopenで取得した結果をBeautifulSoupで解析。"html.parser"を使用します。
属性と名前を指定し、情報を取得します(リスト形式になっているため0で抽出します)。
文字列のみsrtingで取得すると完成です。

$ python3 pmid_doi.py 33294783

https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esummary.fcgi?db=pubmed&id=33294783&retmode=xml
10.1016/j.isci.2020.101774

うまくいっているようです。

同様に様々な情報を取得することができます。

##参考：rettype、retmodeなどのパラメータの組み合わせについてはlinkのtableを参考に。