好久没更新了，这里都长草了。。。
总结下Eutils的用法，参考《E-utilities Quick Start》，没时间看英文的可以参考下。
简介
Eutils全称是The Entrez Programming Utilities (E-utilities)，是由八个服务器端程序组成的一套编程工具，它提供用于访问NCBI Entrez查询和数据库系统的稳定接口。 这八个工具包括Einfo、ESearch、EPost、ESummary、EFetch、ELink、EGQuery、ESpell（详见表1）。通过这些工具，你可以访问NCBI Entrez所包含的序列、三维结构、文献等所有38个数据库。
表1. 八种Eutils工具
|
Eutils Name |
Entry |
Required Parameters |
Optional Parameters |
Return Format |
|
EInfo |
einfo.fcgi |
db |
xml |
|
|
ESearch |
esearch.fcgi |
db term |
usehistory WebEnv query_key retstart retmax rettype field datetype reldate mindate, maxdate |
xml |
|
EPost |
epost.fcgi |
db id |
WebEnv QueryKey |
xml |
|
ESummary |
esummary.fcgi |
db id WebEnv query_key |
retstart retmax version |
xml |
|
EFetch |
efetch.fcgi |
db id WebEnv query_key |
retmode retstart retmax rettype strand seq_start seq_stop complexity |
xml/text/asn （详情见表2） |
|
ELink |
elink.fcgi |
db dbfrom cmd id WebEnv query_key |
linkname term holding datetype reldate mindate, maxdate |
xml |
|
EGQuery |
egquery.fcgi |
term |
xml |
|
|
ESpell |
espell.fcgi |
db term |
xml |
访问地址
Eutils工具使用固定URL地址的形式进行访问，每个工具都有一个固定的访问地址BaseURL，都以EutilsURL开始。
EutilsURL：http://eutils.ncbi.nlm.nih.gov/entrez/eutils/
如：EInfo 的访问地址为：http://eutils.ncbi.nlm.nih.gov/entrez/eutils/einfo.fcgi
即：BaseURL=EutilsURL + Entry（一个以工具名称命名的Fasta CGI 文件，扩展名为fcgi。什么是Fasta CGI？。。。其实我也不了解）
使用限制
每秒查询次数不能超过3次，大型查询限制在周末和工作日的9:00 PM～5:00 AM，超过次限制会被封IP，除非给eutilities@ncbi.nlm.nih.gov发邮件注册使用eutils服务的软件名称tool和email地址，并在使用服务时以URL参数的形式传入。大量操作最好还是注册一下比较好。
使用示例
通过设置不同的URL参数获取不同的结果，八个工具参数列表如下图所示，参数分为两种，必须参数和可选参数，返回文件格式大多为xml。
- EInfo示例
示例1：http://eutils.ncbi.nlm.nih.gov/entrez/eutils/einfo.fcgi
示例2：http://eutils.ncbi.nlm.nih.gov/entrez/eutils/einfo.fcgi?db=protein
示例1没有传入参数将列出所有的支持数据库，即示例2中db参数的名字；
示例2将列出protein数据库的基本信息。
- Esearch示例
示例1：http://eutils.ncbi.nlm.nih.gov/entrez/eutils/esearch.fcgi?db=protein&term=dnapol
示例2：http://eutils.ncbi.nlm.nih.gov/entrez/eutils/esearch.fcgi?term=dnapol
示例3：http://eutils.ncbi.nlm.nih.gov/entrez/eutils/esearch.fcgi?db=protein&term=dnapol&usehistory=y
示例4：http://eutils.ncbi.nlm.nih.gov/entrez/eutils/esearch.fcgi?db=protein&term=virus&query_key=1&WebEnv=NCID_1_55320436_
130.14.18.48_5553_1335062251_525363903&usehistory=y
示例1传入必须参数，所查询的数据库名称db和要查询的关键词term；示例2仅传入要查询的关键词term，并不是由于db为非必须参数，而是因为db的默认值是pubmed，所以示例2将查询以dnapol为关键词查询pubmed数据库；
示例3使用可选usehistory参数将在服务器端产生一个查询历史记录，结果中将生成WebEnv和query_key值，下一次使用ESearch、ESummary等操作可利用这些参数在这一次查询结果基础上进行操作，这也是Eutils最强大的地方，可以方便的建立自己的工作流程；
示例4中即使用示例3中的查询结果重新查询以virus为关键词的条目，这等价于将示例3中的“term=dnapol”替换为“term=dnapol+virus”的查询结果。
- EPost示例
示例1：http://eutils.ncbi.nlm.nih.gov/entrez/eutils/epost.fcgi?db=protein&id=15718680,157427902,119703751
示例2：http://eutils.ncbi.nlm.nih.gov/entrez/eutils/epost.fcgi?db=protein&id=15718680,157427902,119703751&WebEnv=NCID_1_25983036_
165.112.9.24_5553_1335063999_246386066
示例1将三个蛋白质数据库的id号上传到服务器，结果中将生成WebEnv和query_key值，以备后续操作使用；
示例2在给定的WebEnv历史记录上添加给定id号；注：在使用其他Eutils工具，如EFetch，id参数条目数超过限制时，只能使用EPost，先上传需要的id，然后在所使用工具中传入EPost结果中的WebEnv和query_key值。
- ESummary示例
示例2：http://eutils.ncbi.nlm.nih.gov/entrez/eutils/esummary.fcgi?db=protein&query_key=1&WebEnv=NCID_1_25983036_
165.112.9.24_5553_1335063999_246386066
示例1列出给定id号的摘要信息；
示例2列出给定查询历史记录中的摘要信息。
注：ESummary中db为必选参数，id和(query_key+WebEnv)二选一。
- EFetch示例
示例1：http://eutils.ncbi.nlm.nih.gov/entrez/eutils/efetch.fcgi?db=protein&id=15718680,157427902,119703751
示例1以text ASN.1格式返回给定id号的蛋白序列文件；
示例2以text fasta格式返回给定id号的蛋白序列文件；
示例3以xml fasta格式返回给定id号的蛋白序列文件。
注：EFetch是获取数据库文件的常用工具，示例1中没有给定rettype和retmode参数，默认为text ASN.1格式，示例2中retmode参数默认为text，示例3中retmode设置为xml，返回xml格式的fasta文件。各数据库支持的返回参数见表2。在EFetch中使用ESearch结果中的query_key和WebEnv参数，可轻松实现普通的Entrez下载操作。
表2. EFetch中各数据库支持的retmode和rettype值
|
Record Type |
&rettype |
&retmode |
|
db = biosample |
||
|
Full record XML |
full, default |
xml, default |
|
Full record text |
full, default |
text |
|
db = biosystems |
||
|
Full record XML |
xml, default |
xml, default |
|
db = gds |
||
|
Summary |
summary, default |
text, default |
|
db = gene |
||
|
text ASN.1 |
null |
asn.1, default |
|
XML |
null |
xml |
|
Gene table |
gene_table |
text |
|
db = homologene |
||
|
text ASN.1 |
null |
asn.1, default |
|
XML |
null |
xml |
|
Alignment scores |
alignmentscores |
text |
|
FASTA |
fasta |
text |
|
HomoloGene |
homologene |
text |
|
db = mesh |
||
|
Full record |
full, default |
text, default |
|
db = nuccore, nucest, nucgss, protein or popset |
||
|
text ASN.1 |
null |
text, default |
|
binary ASN.1 |
null |
asn.1 |
|
Full record in XML |
native |
xml |
|
Accession number(s) |
acc |
text |
|
FASTA |
fasta |
text |
|
TinySeq XML |
fasta |
xml |
|
SeqID string |
seqid |
text |
|
Additional options for db = nuccore, nucest, nucgss or popset |
||
|
GenBank flat file |
gb |
text |
|
GBSeq XML |
gb |
xml |
|
INSDSeq XML |
gbc |
xml |
|
Additional option for db = nuccore and protein |
||
|
Feature table |
ft |
text |
|
Additional option for db = nuccore |
||
|
GenBank flat file with full sequence (contigs) |
gbwithparts |
text |
|
CDS nucleotide FASTA |
fasta_cds_na |
text |
|
CDS protein FASTA |
fasta_cds_aa |
text |
|
Additional option for db = nucest |
||
|
EST report |
est |
text |
|
Additional option for db = nucgss |
||
|
GSS report |
gss |
text |
|
Additional options for db = protein |
||
|
GenPept flat file |
gp |
text |
|
GBSeq XML |
gp |
xml |
|
INSDSeq XML |
gpc |
xml |
|
db = pmc |
||
|
XML |
null |
xml, default |
|
MEDLINE |
medline |
text |
|
db = pubmed |
||
|
text ASN.1 |
null |
asn.1, default |
|
XML |
null |
xml |
|
MEDLINE |
medline |
text |
|
PMID list |
uilist |
text |
|
Abstract |
abstract |
text |
|
db = sequences |
||
|
text ASN.1 |
null |
text, default |
|
Accession number(s) |
acc |
text |
|
FASTA |
fasta |
text |
|
SeqID string |
seqid |
text |
|
db = snp |
||
|
text ASN.1 |
null |
asn.1, default |
|
XML |
null |
xml |
|
Flat file |
flt |
text |
|
FASTA |
fasta |
text |
|
RS Cluster report |
rsr |
text |
|
SS Exemplar list |
ssexemplar |
text |
|
Chromosome report |
chr |
text |
|
Genotype XML |
genxml |
xml |
|
Summary |
docset |
text |
|
UID list |
uilist |
text or xml |
|
db = sra |
||
|
XML |
full, default |
xml, default |
|
db = taxonomy |
||
|
XML |
null |
xml, default |
|
TaxID list |
uilist |
text or xml |
- ELink示例
示例1：http://eutils.ncbi.nlm.nih.gov/entrez/eutils/elink.fcgi?dbfrom=protein&db=gene&id=15718680,157427902
示例1将返回给定的蛋白id所对应的基因的id；示例2将返回和文章20210808相似的pubmedID，并给出对应的相似性分数。
注：ELink是eutils中一个强大的跨库查询工具，通过cmd参数可以实现各种各样的map功能。如示例1中，cmd默认参数是neighbor，实现简单的将蛋白id映射到对应的基因id的功能。示例2中neighbor_score实现相似文章的搜索。cmd参数的详细功能见表3。
表3. Elink中cmd参数功能详解
|
参数 |
功能 |
|
neighbor (default) |
返回另一个数据库中和给定UID对应的UID。如不设置db相当于设置db=pubmed（默认值）。下同1 |
|
neighbor_score |
返回同一数据库中和给定UID相似的UID列表及相似性分数。如不设置db相当于设置与dbfrom相同的值。下同2 |
|
neighbor_history |
将以neighbor为参数返回的结果存入历史记录服务器，并返回 query_key 和WebEnv。同1 |
|
acheck |
返回给定UID的所有可能链接方式。如不设置db相当于选中所有。 |
|
ncheck |
判断同一个数据库中是否存在与给定的UID相关的链接。同2，忽略db设置 |
|
lcheck |
判断给定的UID是否存在链出链接。同2，忽略db设置 |
|
llinks |
列出给定UID的所有非图书馆链出链接及对应属性。同2，忽略db设置 |
|
llinkslib |
列出给定UID的所有链出链接及对应属性，包含图书馆链接。同2，忽略db设置 |
|
prlinks |
列出给定UID的首选链出链接及对应属性，在设置retmode=ref情况下直接跳转到链接网页。同2，忽略db设置 |
- EGQuery示例
示例1：http://eutils.ncbi.nlm.nih.gov/entrez/eutils/egquery.fcgi?term=asthma
示例1返回所有数据库中含有关键词asthma的条目数
注：EGQuery为全局查询，和在Entrez中选择所有数据库查询的结果相同。
- ESpell示例
示例1：http://eutils.ncbi.nlm.nih.gov/entrez/eutils/espell.fcgi?db=pubmed&term=asthmaa+OR+alergies
示例1返回对三个关键词的拼写建议，asthmaa被替换为asthma，OR为逻辑词不进行替换，alergies被替换为allergies。
注：ESpell为拼写建议工具，会根据关键词的相似性进行建议，方便关键词的纠错和相关关键词的推荐。
部分通用参数解释
db：查询的数据库名称。和Entrez下拉菜单中显示的名称不一样，所支持的所有值可通过EInfo(http://eutils.ncbi.nlm.nih.gov/entrez/eutils/einfo.fcgi)查看；
term：查询的关键词。和Entrez查询相似，可使用逻辑操作词AND，OR，NOT以及[acession]、[organism]等以字段限定词等（具体可参见Entrez Help），但是中间的空格要以“+”替代，其他特殊符号要转换为URL编码（如引号“编码为%22；井号#编码为%23）。
WebEnv：历史记录环境编号。 ESearch的usehistory=y参数、EPost、ELink的cmd=neighbor_history参数都会产生一个WebEnv。后续操作传入次参数将大大减少查询工作量。
query_key：历史记录环境下的查询编号。第一次生成WebEnv的结果的query_key为1，在此WebEnv环境下的下一个操作结果的query_key为2，后续操作依次递增。
retstart：返回结果在查询结果中的起始位置。默认为0，配合retmax实现分页显示。
retmax：返回结果条目数最大值。默认为20。
rettype：返回数据类型。不同的工具有不同的可选值。ESearch的可选类型为uilist（默认）和count（只返回查询结果数目），EFetch可参加表2。
retmode：返回数据方式。详见表2。
datetype：限定日期的类型。限定reldate, mindate, maxdate的日期类型，不同的数据库有不同的可选值，常见的为mdat(modification date)、pdat(publication date)、edat (Entrez date)。
reldate：相对于当前时间的天数。返回过去多少天内的数据。
mindate, maxdate：时间间隔。返回由最小日期和最大日期限定的时间间隔中的数据，必须同时使用，格式为YYYY/MM/DD，或者YYYY, YYYY/MM。
其他参数解释
field：ESearch中term的限定字段。如[accession]、[title]等，设置此参数后，term中的所有关键词将只查询指定字段。
version：指定所使用Esummary的版本号。
strand：指定EFetch中DNA链的类型，正义为1，反义为2。
seq_start：指定EFetch中返回序列的起始位点。
seq_stop：指定EFetch中返回序列的终止位点。
complexity：指定EFetch中返回数据的内容。许多序列数据和其他数据存储在一起，组成一个大的数据结构或BLOB（二进制大对象）。指定该参数可选择返回哪些数据内容。详见表4。
linkname：限定ELink中限制返回的链接类型，如gene_snp_genegenotype只返回所有链接中genegenotype子类。
holding：限定ELink中链出链接的提供商。
表4. EFetch中complexity值与返回的数据内容
|
Value of complexity |
Data returned for each requested GI |
|
0 |
entire blob |
|
1 |
bioseq |
|
2 |
minimal bioseq-set |
|
3 |
minimal nuc-prot |
|
4 |
minimal pub-set |
结语
这里根据前一段时间使用和学习Eutils的经历，参考《Entrez Programming Utilities Help》一书对Eutils的用法做了初步的总结，不可避免有错误，欢迎指正。
本文未涉及返回结果处理和编程部分，后面考虑是否写一下相关文章。
参考链接
《Entrez Programming Utilities Help》: http://www.ncbi.nlm.nih.gov/books/NBK25501/
《Entrez Help》: http://www.ncbi.nlm.nih.gov/books/NBK3837/