美國國立醫學圖書館生物技術信息中心可編程開發工具簡介

摘要：美國國立圖書館下屬的生物技術信息中心，為生物醫學研究者提供了龐大的信息資源和強大可靠的檢索工具。可編程開發工具就是NCBI所開發的功能強大的檢索編程工具接口，通過它可以自動化的大批量的從Entrez數據庫檢索數據，從而為科研人員了解本專業動態提供材料，并為未來研究提供方向指導。

關鍵詞：E-utilities；Entrez數據庫；生物技術信息中心；數據管道

自2003年，美國國立醫學圖書館下屬的生物技術信息中心發布第一版NLM歸檔和交換標記套件以來[1]，基于NCBI可編程開發工開發的數據挖掘的產品便大量問世。如由陳朝美開發的可視化文獻引文分析工具CiteSpace[2]，也有多個針對某一特定領域的數據挖掘工具[3]。

1 應用程序編程接口

API是提供應用程序與開發人員基于某軟件或硬件得以訪問的能力，而又無需訪問源碼，或理解內部工作機制的細節。一些桌面操作系統如Windows、Linux，移動端操作系統Android、IOS等都提供有相應的API于開發人員，以便開發人員開發用戶需要的軟件。E-utilities便是NCBI提供給開發人員使用的結構化接口--API接口。

2 E-utilities組成

E-utilities是一組9個服務器端程序組成的，包括：①EInfo：提供在給定數據庫的每個字段索引記錄的數量；數據庫的最后更新日期；從數據庫中可用的鏈接到其他Entrez數據庫；②ESearch：在給定的數據庫中查詢匹配的唯一標識符列表的文本查詢的響應；查詢的術語翻譯；③EPost：從指定數據庫中接受UIDs列表，在歷史服務器上存儲該套內容；響應查詢和網絡環境，上傳數據集；④ESummary：給定的數據庫通過UIDs列表，相應的文檔摘要反饋；⑤EFetch：給定的數據庫通過UIDs列表，相應數據記錄的以指定的格式反饋；⑥ELink：給定的數據庫響應UIDs列表，既有相同數據庫相關的UIDs列表，又有其他Entrez數據庫中的UIDs列表；從一個或者多個UIDs中檢查指定鏈接的存在；通過原LinkOut提供的一個創建特殊UID和數據庫或者LinkOut URLs和多個UIDs屬性創建超鏈接；⑦EGQuery：在每個Entrez數據庫中，反饋一個應用大量數據匹配的文本查詢；⑧Espell：給定的數據庫查詢用的一個文本拼寫的建議；⑨EcitMatch：檢索PMID相關的一組輸入引用字符串。

3 Entrez數據庫

Entrez是NCBI開發的跨數據庫檢索系統，通過一個統一的檢索界面和檢索詞，可以檢索NCBI開發的所有數據庫，包括PubMed在內的40個數據庫。

任何計算機語言均可通過E-utilities訪問Entrez數據庫。通過計算機語言將輸入到軟件的參數翻譯為可用于檢索和檢索請求的統一資源定位器語法。結合E-utilities組件，在應用中形成定制數據管道。每個Entrez數據庫中的數據記錄都帶有UID，一個不可重復的ID。例如，有的UID為核酸和蛋白的GI數字，PubMed的PMIDs，又或者是分子模型數據ID。通過E-utilities訪問Entrez數據庫的過程見圖1。

圖1 Entrez數據庫訪問的過程

4 Entrez的歷史服務器

Entrez系統的一個強大功能是在服務器上可以儲存一組檢索UID，以便他們能夠隨后組合或者提供其他E-utility輸入響應。Entrez歷史服務器提供這一服務，并且可在Entrez檢索頁面使用Preview/Index或History鍵在Web上訪問。每一個E-utilities組件都能訪問歷史服務器，query_key標簽分配UID和WebEnv編碼cookie字符串。EPost允許任何一組UID上傳到歷史服務器中，并返回查詢鍵和網絡環境。在usehistory被設置為y時，ESearch同樣能夠將輸出一組UID到歷史服務器；在cmd被設置成neighbor_history時ELink也可以輸出到歷史服務器。EPost或ESearch的結果查詢和網絡環境都能被用于替代ESummary、EFetch和ELink。

在歷史服務器上的每個網絡環境都能接受任意數量的查詢關鍵詞。通過采用布爾邏輯操作符組合的不同的數據集或者進行其他Entrez查詢。必須在同一個網絡環境下兩個數據集的組合。默認情況下，連續的E-utility請求產生查詢鍵，如果不是在相同的網絡環境下，為了克服這一點，每個E-utility請求都在最初請求之后在已有的網絡環境下設置WebEnv參數值。

5 利用E-utility請求創建Entrez應用

可以使用單個的URL通過E-utilities訪問Entrez；當連續的E-utility URL結合，則需要創建一個數據管道，便可發揮其最大作用。使用這樣的管道時，Entrez歷史服務器會通過允許在連續E-utility響應進行簡單數據傳輸而簡化復雜的檢索任務。E-utilities組合見表1，箭頭代表的是從一個E-utility到另一個的db，WebEnv和query_key值。

6 E-utility DTDs

除了EFetch，每一個E-utilities組件均能輸出單個的符合NLM文檔類型定義標準的可擴展標記語言輸出格式。E-utility返回的XML標題中，提供了這些NLM DTDs的鏈接。ESummary可以為每個Entrez數據庫生成唯一的XML DocSums。正因為如此，每個Entrez數據庫對于DocSums來說，有一個唯一的NLM DTD。Efetch可以生成并輸出各種格式，也可以是XML。這些個XML格式大部分都符合NLM DTDs，或者與Entrez有關的特定模式。

7 結語

隨著生物醫學文獻數量的不斷增加，如何從海量信息中高效率挖掘出所需文獻，是所有醫學研究者所需要掌握的技能。

參考文獻：

[1]鄒強，袁慶，康林，等.Pubmed Central 的數字化出版簡介[J].中國科技期刊研究，2014，25（2）：240-242.

[2]陳悅，侯劍華，梁永霞.CiteSpace Ⅱ：科學文獻中新趨勢與新動態的識別與可視化[J].情報學報，2009，28（6）：401-421.

[3]Torii M，Li G，Li Z，et al.RLIMS-P：an online text-mining tool for literature-based extraction of protein phosphorylation information[J].Database（Oxford），2014：13.編輯/成森