ENA 核苷酸档案库

要解决什么问题

基因组学与生物信息学流程里，经常需要按登录号拉取原始读数、按元数据筛样本或研究、下载 FASTQ/BAM/组装结果，或把 ENA 与本地流水线对接。欧洲核苷酸档案库（ENA）数据量大、对象层次多，若只靠网页点选，很难做批量检索、稳定引用和可复现的下载路径。

技能如何帮你操作 ENA

本技能围绕 ENA 的对象模型组织说明：研究/项目 控制发布与引用单位；样本 是测序材料的前置注册实体；实验/运行 指向原始读数文件；此外还有组装结果、EMBL 序列、分析结果与分类学记录。

编程侧主要走多套 REST 服务：

• ENA Portal API：跨类型的复杂检索与元数据过滤，结果可表格化或 JSON。
• ENA Browser API：按登录号取记录，常见为 XML。
• Taxonomy REST、Cross Reference、CRAM Reference Registry：谱系、外部库交叉引用与参考序列校验和查询。

典型流水线可以是：用 Portal API 按条件列出 accession → 从结果解析文件 URL → 用 FTP、Aspera 或 enaBrowserTools 批量落盘 → 在下游做比对或组装。需要序列相似性时，可与 EBI 侧 BLAST 服务配合，对 ENA 序列做检索。

技能内 references/api_reference.md 适合在拼高级查询、对照字段名或排查响应格式时查阅。

边界与注意点

• 所有 API 速率限制约 50 req/s；触发 HTTP 429 时应指数退避，大文件优先 FTP/Aspera，避免用循环 API 硬扛大数据集。
• 发表时以研究/项目登录号为主引用，并写明用到的样本、运行或组装 accession。
• 解析 XML 用正规库，大结果集要处理分页；只要元数据时优先 TSV/JSON，比整包 XML 更轻。