Parámetros de Python són iguales a los parámetros largos (--parámetro) de Terminal, si no especificado de otra manera. Banderas son parámetros de verdadero o falso (True/False) en Python. El manuál para cualquier modulo de gget se puede llamar desde la Terminal con la bandera -h --help.

gget opentargets 🎯

Obtenga enfermedades o fármacos asociados con ciertos genes desde OpenTargets.
Formato de salida: JSON/CSV (línea de comandos) o marco de datos (Python).

Este módulo fue escrito por Sam Wagenaar.

Argumento posicional
ens_id
ID de gen Ensembl, por ejemplo, ENSG00000169194.

Argumentos opcionales
-r --resource
Define el tipo de información a devolver en la salida. Predeterminado: 'diseases' (enfermedades).
Los recursos posibles son:

-l --limit
Limitar el número de resultados, por ejemplo, 10. Predeterminado: Sin límite.
Nota: No es compatible con los recursos tractability y depmap.

-o --out
Ruta al archivo JSON donde se guardarán los resultados, por ejemplo, path/to/directory/results.json. Predeterminado: Salida estándar.
Python: save=True guardará la salida en el directorio de trabajo actual.

Argumentos opcionales de filtrado

-fd --filter_disease disease_id
Filtrar por ID de enfermedad, por ejemplo, 'EFO_0000274'. Válido solo para el recurso drugs.

-fc --filter_drug drug_id
Filtrar por ID de fármaco, por ejemplo, 'CHEMBL1743081'. Válido solo para el recurso pharmacogenetics.

-ft --filter_tissue tissue_id
Filtrar por ID de tejido, por ejemplo, 'UBERON_0000473'. Válido solo para los recursos expression y depmap.

-fa --filter_anat_sys
Filtrar por sistema anatómico, por ejemplo, 'sistema nervioso'. Válido solo para el recurso expression.

-fo --filter_organ anatomical_system
Filtrar por órgano, por ejemplo, 'cerebro'. Válido solo para el recurso expression.

-fpa --filter_protein_a protein_a_id
Filtrar por ID de la primera proteína en la interacción, por ejemplo, 'ENSP00000304915'. Válido solo para el recurso interactions.

-fpb --filter_protein_b protein_b_id
Filtrar por ID de la segunda proteína en la interacción, por ejemplo, 'ENSP00000379111'. Válido solo para el recurso interactions.

-fgb --filter_gene_b gene_b_id
Filtrar por ID de gen de la segunda proteína en la interacción, por ejemplo, 'ENSG00000077238'. Válido solo para el recurso interactions.

filters
Solo para Python. Un diccionario de filtros, por ejemplo:

{'disease_id': ['EFO_0000274', 'HP_0000964']}

`filter_mode`  
Solo para Python. `filter_mode='or'` combina filtros de diferentes IDs con lógica OR.  
`filter_mode='and'` combina filtros de diferentes IDs con lógica AND (predeterminado).

**Banderas**   
`-csv` `--csv`  
Solo en línea de comandos. Devuelve la salida en formato CSV, en lugar de formato JSON.  
Python: Use `json=True` para devolver la salida en formato JSON.

`-q` `--quiet`   
Solo en línea de comandos. Evita que se muestre la información de progreso.  
Python: Use `verbose=False` para evitar que se muestre la información de progreso. 

`-or` `--or`  
Solo en línea de comandos. Los filtros se combinan con lógica OR. Predeterminado: lógica AND.

`wrap_text`  
Solo para Python. `wrap_text=True` muestra el marco de datos con texto ajustado para facilitar la lectura (predeterminado: False).

### Ejemplos

**Obtenga enfermedades asociadas a un gen específico:**   
```bash
gget opentargets ENSG00000169194 -r diseases -l 1

# Python
import gget
gget.opentargets('ENSG00000169194', resource='diseases', limit=1)

→ Devuelve la principal enfermedad asociada con el gen ENSG00000169194.

Obtener medicamentos asociados para un gen específico:

gget opentargets ENSG00000169194 -r drugs -l 2

# Python
import gget
gget.opentargets('ENSG00000169194', resource='drugs', limit=2)

→ Devuelve los 2 principales medicamentos asociados con el gen ENSG00000169194.

Note: Los trial_ids devueltos son identificadores de ClinicalTrials.gov

Obtenga datos de trazabilidad para un gen específico:

gget opentargets ENSG00000169194 -r tractability

# Python
import gget
gget.opentargets('ENSG00000169194', resource='tractability')

→ Devuelve datos de trazabilidad para el gen ENSG00000169194.

Obtenga respuestas farmacogenéticas para un gen específico:

gget opentargets ENSG00000169194 -r pharmacogenetics -l 1

# Python
import gget
gget.opentargets('ENSG00000169194', resource='pharmacogenetics', limit=1)

→ Devuelve respuestas farmacogenéticas para el gen ENSG00000169194.

Note: Los identificadores de literature devueltos son identificadores de PMC de Europa

Obtenga tejidos donde un gen se expresa más:

gget opentargets ENSG00000169194 -r expression -l 2

# Python
import gget
gget.opentargets('ENSG00000169194', resource='expression', limit=2)

→ Devuelve los 2 tejidos principales donde se expresa más el gen ENSG00000169194.

Obtenga datos sobre el efecto de la enfermedad genética de DepMap para un gen específico:

gget opentargets ENSG00000169194 -r depmap

# Python
import gget
gget.opentargets('ENSG00000169194', resource='depmap')

→ Devuelve datos del efecto de la enfermedad del gen DepMap para el gen ENSG00000169194.

Obtener interacciones proteína-proteína para un gen específico:

gget opentargets ENSG00000169194 -r interactions -l 2

# Python
import gget
gget.opentargets('ENSG00000169194', resource='interactions', limit=2)

→ Devuelve las 2 interacciones proteína-proteína principales para el gen ENSG00000169194.

Obtenga interacciones proteína-proteína para un gen específico, filtrando por ID de proteínas y genes:

gget opentargets ENSG00000169194 -r interactions -fpa P35225 --filter_gene_b ENSG00000077238

# Python
import gget
gget.opentargets('ENSG00000169194', resource='interactions', filters={'protein_a_id': 'P35225', 'gene_b_id': 'ENSG00000077238'})

→ Devuelve interacciones proteína-proteína para el gen ENSG00000169194, donde la primera proteína es P35225 y el segundo gen es ENSG00000077238:

Obtenga interacciones proteína-proteína para un gen específico, filtrando por ID de proteína o gen:

gget opentargets ENSG00000169194 -r interactions -fpa P35225 --filter_gene_b ENSG00000077238 ENSG00000111537 --or -l 5

# Python
import gget
gget.opentargets(
    'ENSG00000169194',
    resource='interactions',
    filters={'protein_a_id': 'P35225', 'gene_b_id': ['ENSG00000077238', 'ENSG00000111537']},
    filter_mode='or',
    limit=5
)

→ Devuelve interacciones proteína-proteína para el gen ENSG00000169194, donde la primera proteína es P35225 o el segundo gen es ENSG00000077238 o ENSG00000111537. | evidence_score | evidence_count | source_db | protein_a_id | gene_a_id | gene_a_symbol | role_a | taxon_a | protein_b_id | gene_b_id | gene_b_symbol | role_b | taxon_b | |----------------|----------------|-----------|-----------------|-----------------|---------------|-----------------------|---------|-----------------|-----------------|---------------|-----------------------|---------| | 0.999 | 3 | string | ENSP00000304915 | ENSG00000169194 | IL13 | unspecified role | 9606 | ENSP00000379111 | ENSG00000077238 | IL4R | unspecified role | 9606 | | 0.961 | 2 | string | ENSP00000304915 | ENSG00000169194 | IL13 | unspecified role | 9606 | ENSP00000229135 | ENSG00000111537 | IFNG | unspecified role | 9606 | | 0.800 | 9 | intact | P35225 | ENSG00000169194 | IL13 | unspecified role | 9606 | Q14627 | ENSG00000123496 | IL13RA2 | unspecified role | 9606 | | 0.740 | 6 | intact | P35225 | ENSG00000169194 | IL13 | unspecified role | 9606 | P78552 | ENSG00000131724 | IL13RA1 | unspecified role | 9606 | | 0.400 | 1 | intact | P35225 | ENSG00000169194 | IL13 | unspecified role | 9606 | Q86XT9 | ENSG00000149932 | TMEM219 | stimulator | 9606 |

Más ejemplos

Citar

Si utiliza gget opentargets en una publicación, favor de citar los siguientes artículos:

• Luebbert, L., & Pachter, L. (2023). Efficient querying of genomic reference databases with gget. Bioinformatics. https://doi.org/10.1093/bioinformatics/btac836

• Ochoa D, Hercules A, Carmona M, Suveges D, Baker J, Malangone C, Lopez I, Miranda A, Cruz-Castillo C, Fumis L, Bernal-Llinares M, Tsukanov K, Cornu H, Tsirigos K, Razuvayevskaya O, Buniello A, Schwartzentruber J, Karim M, Ariano B, Martinez Osorio RE, Ferrer J, Ge X, Machlitt-Northen S, Gonzalez-Uriarte A, Saha S, Tirunagari S, Mehta C, Roldán-Romero JM, Horswell S, Young S, Ghoussaini M, Hulcoop DG, Dunham I, McDonagh EM. The next-generation Open Targets Platform: reimagined, redesigned, rebuilt. Nucleic Acids Res. 2023 Jan 6;51(D1):D1353-D1359. doi: 10.1093/nar/gkac1046. PMID: 36399499; PMCID: PMC9825572.