文献阅读自动化1-批量检索、更新文献

先放结论

这篇博客我打算出成一个系列，就讲如何仔细拆分文献阅读任务，如何将文献阅读流程化、自动化。

我觉得，在AI时代，这个科研人员的小终极目标，是已经有一些初步的解决办法的。

背景

前面出了几篇博客讲如何找代码、如何自动化阅读/解析代码，

如何找代码

如何自动化解析/复用代码

这些都是下游的任务，作为科研人员，除了输出+执行之外，不可避免的还得大量阅读文献输入。

那么，文献阅读可不可以自动化呢，可不可以转换为一种形而下的纯体力劳动呢？

答案是：可以的。

所谓体力劳动化，其实我们第一个想到的就是编程，就是如何让任务流程自动化，只要能够转换为计算机流程处理的任务，那么阅读文献其实就从一个费时费力、形而上又脑力劳动的任务变成了一个体力劳动，这一点，我想对于大部分科研人员来说大家都是很乐意见到的。

所以我就在想，如何将文献阅读，变成一个计算可执行的任务？

或者，现实一点地讲，如何理清我们文献阅读的流程，并依据这个流程将需求进行自动化、智能化处理。

下面是我的一个初步的想法，其中的阶段是我个人认为的文献阅读的一个完整生命周期链，也就是我理想中的文献阅读的流程化，只有将文献阅读这个任务给本体论化了，我们才能抽象出具体的编程需求。仅代表个人意见，仅供参考。

因为重点在于自动化，只不过这整个流程的遍历需要借助AI/LLM，所以不一定每一节都会加AI。

本篇博客先来讲一讲文献检索如何自动化，我们以生物医学领域（AI4S需求最大的群体之一）的pubmed文献数据库为例进行展开。

Pubmed数据库的访问

对于Pubmed数据库的访问，我们先来讲一下如何访问访问NCBI Entrez数据库。

因为Pubmed本质上也只是一个NCBI系的数据库，而Entrez则是NCBI官方通用的检索系统。

Entrez (http://www.ncbi.nlm.nih.gov/Entrez))** 是一个给客户提供NCBI各个数据库（如PubMed, GeneBank, GEO等等）访问的检索系统。 用户可以通过浏览器手动输入查询条目访问Entrez，也可以使用Biopython的 Bio.Entrez 模块以编程方式访问来访问Entrez。 如果使用第二种方法，用户用一个Python脚本就可以实现在PubMed里面搜索或者从GenBank下载数据。**

Bio.Entrez 模块利用了Entrez Programming Utilities（也称作EUtils），包含八个工具，详情请见NCBI的网站： http://www.ncbi.nlm.nih.gov/entrez/utils/. 每个工具都能在Python的 Bio.Entrez 模块中找到对应函数，后面会详细讲到。这个模块可以保证用来查询的URL 的正确性，并且向NCBI要求的一样，每三秒钟查询的次数不超过一。

简而言之，BioPython中的Entrez模块是对Entrez Direct的套壳，

熟悉python的可以直接投入BioPython，或者用python自己的XML解析模块解析Entrez Direct返回的内容；

熟悉Awk之类shell脚本语言的，可以直接上手Entrez Direct，其本身也有一套类似体系的脚本语言形式。

一，Bio.Entrez

很显然，我们编程的重点在于Bio.Entrez，

我们可以先看一下这个模块的一些细节

其实从这个文档解释中我们就已经能够看到很多了，

包括一些最基础的用法：

最好还是设置一下我们的email

加上邮箱之后返回的

但是报错：

后来检查才发现：

这个错误是因为 Entrez.esearch 返回的是单个搜索结果（一个包含 ID 和元数据的 XML 结构），而不是多个记录的列表。Entrez.parse 设计用于处理多个记录的生成器（例如来自 efetch 的结果），而 Entrez.read 用于处理单个 XML 结果。

所有逻辑就是：我是用esearch返回单个搜索结果，再用read处理这个单个的XML结果。

将每一个键值对打印出来，发现结果晦涩难懂的：

1，借助LibInspector

此处，我们可以先查看一下Bio.Entrez这个模块一下，

使用我之前开发的工具，具体可以查看我之前的博客：LibInspector—为小白智能解析、阅读（几乎所有）Python工具库，细节文档说明可以查看该工具的开发仓库

❯ lib-inspector Bio.Entrez -o ./test/entrz.md 🔍 Target Resolution:Input='Bio.Entrez'->Import='Bio.Entrez'(Type: module)🔍 Analyzing dependenciesfor'Bio.Entrez'(Network Analysis Phase)... ✅ Markdown report saved to: /data2/LibInspector/test/entrz.md 📊 Interactive HTML report saved to: /data2/LibInspector/test/entrz.html(Open the HTMLfileinyour browser to see rendered charts)

结果的md以及html文件我已经放在仓库https://github.com/MaybeBio/LibInspector/tree/main/test** **里了；

我们直接看输出报告文件的Navigator：

基本上把一些重要的API都列出来了，当然，我这里限制20个：

这些API我们可以一一再？去检索具体的逻辑

当然，具体有用的api其实我工具设计的时候就考虑到了，可以直接在top-level api部分获取：

我再补充一下，设计top-level这一块的目的，工具生成「库 API 清单」的基础 —— 通过筛选排除无效 / 冗余成员，再按类型分类，后续可基于 classes 和 functions 生成结构化文档（如展示类的方法、函数的签名和文档字符串），帮助用户快速了解库的核心功能。

具体有两个参数限制，大家可以自行按照我文档中的提示去设置，

总之大概API解析的结果我输出文档中已经有了，如下：

ecitmatch

这段代码 / 文档的核心是介绍NCBI Entrez 库的******<font style="color:rgb(0, 0, 0);">ecitmatch</font>******函数：

它的作用是根据输入的文献引用信息（期刊名、年份、卷、起始页、作者名等），检索对应的 PubMed ID (PMID)（PMID 是 PubMed 数据库给每篇文献分配的唯一标识），最终返回一个可读取结果的 “句柄（handle）”。

from BioimportEntrez# 导入Biopython的Entrez模块（用于访问NCBI数据库）Entrez.email="Your.Name.Here@example.org"# 必须填写邮箱（NCBI要求，用于追踪访问）# 定义一条引用信息的字典citation_1={"journal_title":"proc natl acad sci u s a",# 期刊名（需小写，缩写/全称均可）"year":"1991",# 发表年份"volume":"88",# 卷号"first_page":"3248",# 起始页码"author_name":"mann bj",# 作者名（姓+名首字母，小写）"key":"citation_1"# 自定义标识（用于匹配结果和输入）}# 调用ecitmatch函数，请求PMID匹配handle=Entrez.ecitmatch(db="pubmed",bdata=[citation_1])# 读取结果并处理：按|分割字符串print(handle.read().strip().split("|"))# 输出：['proc natl acad sci u s a', '1991', '88', '3248', 'mann bj', 'citation_1', '2014248']# 最后一个元素"2014248"就是匹配到的PMIDhandle.close()# 关闭句柄（释放资源）

• <font style="color:rgb(0, 0, 0);">ECitMatch</font>是 NCBI 提供的工具，专门用于 “引用信息 → PMID” 的匹配；
• 适用场景：你有文献的引用要素（但不知道 PMID），需要快速定位 PubMed 中的对应文献。
• 比如说上面这个结果返回的是2014248

我们现在去验证一下，用链接：

https://pubmed.ncbi.nlm.nih.gov/2014248/

efetch

上面这段内容是对 Biopython 库中 Entrez 模块的 efetch 函数 的说明，

核心作用是：从 NCBI（美国国家生物技术信息中心）的 Entrez 数据库（如核酸、蛋白、基因库等）中，根据指定的 ID / 条件获取具体的生物信息记录，并以 “句柄（handle）” 形式返回结果，方便后续读取和处理。

from BioimportEntrez# 导入Biopython的Entrez模块（需先安装：pip install biopython）Entrez.email="Your.Name.Here@example.org"# 必须填写邮箱（NCBI要求，用于追踪异常请求）# 调用efetch获取数据：# db="nucleotide"：指定数据库为“核酸数据库”# id="AY851612"：要获取的记录ID（可传多个，如 id="AY851612,AY851613"）# rettype="gb"：返回GenBank格式# retmode="text"：以纯文本形式返回handle=Entrez.efetch(db="nucleotide",id="AY851612",rettype="gb",retmode="text")print(handle.readline().strip())# 读取第一行数据并去除首尾空白，输出：LOCUS AY851612 892 bp DNA linear PLN 10-APR-2007handle.close()# 关闭句柄（释放资源）

egquery（已弃用）

官方建议使用esearch

einfo

此操作核心是通过EInfo 工具获取 Entrez 数据库的摘要信息，返回的结果句柄（results handle）默认以 XML 格式呈现，包含两类关键信息：

数据库基础信息：每个 Entrez 数据库的字段名（field names）、索引术语计数（index term counts）、最后更新时间（last update）。

关联能力信息：各数据库支持的可用链接（available links），即该数据库可与其他 Entrez 数据库建立的关联关系。

elink

ELink 是 NCBI E-utilities 工具集中用于 “跨数据库 / 内部关联 ID 检索” 的工具，在 “外部文章 / 关联文章” 场景下，核心能力（聚焦 “外部 / 关联文章检查”）包括：

1. 检查链接存在性：验证一个或多个源数据库 ID（如 PubMed 的 PMID）是否存在 “外部链接（LinkOut，如期刊全文平台链接）” 或 “关联文章链接（如 PubMed 内部相关文献）”。
2. 获取关联数据：若存在链接，可检索关联的目标数据库 ID（如相关文章的 PMID）及相关性评分（仅部分模式下，如<font style="color:rgb(0, 0, 0);">cmd=neighbor_score</font>）。
3. 生成外部链接：为特定 ID 和数据库创建 “主要 LinkOut 提供者的直接超链接”（如某篇 PubMed 文献的期刊全文链接），或列出多个 ID 的所有 LinkOut URL 及属性（如提供者名称、链接类型）。

epost

该操作核心是通过 NCBI 的EPost 工具，将包含一组标识符（UIDs，如 PubMed 的 PMID、Protein 的 GI 号或 accession.version 等）的文件上传至 Entrez History 服务器，以便后续搜索策略（如 ESearch、EFetch、ELink 等操作）直接调用这组标识符，无需重复输入，提升效率

esearch

Entrez.esearch 是 Biopython 中对接 NCBI E-utilities 中 ESearch 工具的接口，核心作用是在指定的 Entrez 数据库中执行搜索，并返回可用于后续操作的结果句柄（handle）。具体能力包括：

1. 检索符合查询条件的核心标识符（UID），这些 UID 可直接用于 EFetch（获取完整记录）、ELink（关联其他数据库记录）、ESummary（获取记录摘要）等后续操作；
2. 返回查询词的翻译结果（如将用户输入的 “opuntia [ORGN]” 映射为数据库可识别的检索规则）；
3. 可选将搜索结果暂存于用户的 Entrez 环境中（通过参数控制），方便后续复用。

# 1. 导入 Biopython 中操作 Entrez 的模块（没有这行，后续代码都用不了）from BioimportEntrez# 2. 设置你的邮箱（NCBI 强制要求！用于追踪请求来源，防止恶意访问）# 注意：实际使用时要换成你自己的邮箱（比如 "your.email@xxx.com"）Entrez.email="Your.Name.Here@example.org"# 3. 调用 Entrez.esearch 执行搜索，把返回的“句柄”存在 handle 变量里# 括号里是关键参数，每一个都对应搜索规则：handle=Entrez.esearch(db="nucleotide",# 指定搜索的数据库：nucleotide = 核苷酸数据库（存DNA/RNA序列）retmax=10,# 限制返回的结果数量：最多返回10条记录（默认20条，最多1万条）idtype="acc",# 指定返回的ID类型：acc = accession.version 格式（如 EF590893.1）term="opuntia[ORGN] accD 2007[Publication Date]"# 搜索关键词（核心！）)# 这里解释下 term 关键词的逻辑（NCBI 检索格式）：# - opuntia[ORGN]：ORGN = 物种字段，意思是“只找物种为 opuntia（仙人掌属）的记录”# - accD：直接匹配“accD 基因”（accD 是植物叶绿体中的一个功能基因）# - 2007[Publication Date]：Publication Date = 发表日期，意思是“只找2007年发表的记录”# 三者用空格连接，相当于“同时满足这三个条件”的记录# 4. 用 Entrez.read() 读取“句柄”里的 XML 结果，解析成 Python 字典（record）# 字典格式方便后续提取数据（比如总记录数、具体ID）record=Entrez.read(handle)# 5. 关闭“句柄”（用完要关，释放网络连接资源，避免占用）handle.close()# 6. 验证结果：检查符合条件的总记录数是否≥2（确保有足够结果）# record["Count"] 是总记录数（字符串格式，所以用 int() 转成数字）int(record["Count"])>=2# 运行后返回 True，说明总记录数至少有2条# 7. 验证结果：检查特定ID（EF590893.1、EF590892.1）是否在搜索结果里# record["IdList"] 是本次返回的所有ID列表（比如示例中是10条里的前几条）"EF590893.1"inrecord["IdList"]# 返回 True，说明这个ID在结果里"EF590892.1"inrecord["IdList"]# 返回 True，说明这个ID也在结果里

espell

ESpell 是 NCBI E-utilities 中的一个工具，核心作用是为指定数据库中的文本查询词提供拼写建议。若查询词存在拼写错误（如示例中的 “biopythooon”），它能返回纠正后的正确拼写（如 “biopython”），帮助用户优化查询以获取更准确的搜索结果。

根据链接文档，ESpell 需包含以下必填参数，无额外可选参数：

• db：目标数据库，默认值为 “pubmed”（PubMed 数据库），需传入有效的 Entrez 数据库名称。
• term：待检查拼写的 Entrez 文本查询词，特殊字符需 URL 编码，空格可替换为 “+”；若查询词过长（数百字符以上），建议使用 HTTP POST 方式提交。

esummary

ESummary 是 NCBI E-utilities 中的核心工具之一，主要作用是获取文档摘要（DocSums），支持两种输入来源：

1. 直接提供的一组数据库主键（UIDs，如示例中的结构数据库 ID “19923”）；
2. 存储在 Entrez History 服务器中的 UID 集合（需配合<font style="color:rgb(0, 0, 0);">WebEnv</font>和<font style="color:rgb(0, 0, 0);">query_key</font>参数调用）。

根据 NCBI 官方文档，ESummary 关键参数如下：

fromBioimportEntrez# 导入 Biopython 的 Entrez 模块（封装 E-utilities 调用）Entrez.email="Your.Name.Here@example.org"# 必选：设置用户邮箱（NCBI 要求，用于合规追踪）handle=Entrez.esummary(db="structure",id="19923")# 调用 ESummary：指定数据库为“structure”，ID 为“19923”record=Entrez.read(handle)# 解析返回的 XML 结果，转为可操作的 Python 对象handle.close()# 关闭网络连接（避免资源泄漏）# 提取并打印关键信息print(record[0]["Id"])# 输出第一个摘要的 ID（对应输入的“19923”）print(record[0]["PdbDescr"])# 输出该结构的描述信息（大肠杆菌顺乌头酸酶 B 的晶体结构）

parse

Parse an XMLfilefrom the NCBI Entrez Utilities into python objects. Thisfunctionparses an XMLfilecreated by NCBI's Entrez Utilities, returning a multilevel data structure of Python lists and dictionaries. This function is suitable for XML files that (in Python) can be represented as a list of individual records. Whereas 'read' reads the complete file and returns a single Python list, 'parse' is a generator function that returns the records one by one. This function is therefore particularly useful for parsing large files. Most XML files returned by NCBI's Entrez Utilities can be parsed by this function, provided its DTD is available. Biopython includes the DTDsformostcommonly used Entrez Utilities. The argument ``source`` must be afileor file-like object openedinbinary mode, or a filename. The parser detects the encoding from the XML file, and uses it to convert all textinthe XML to the correct Unicode string. The functionsinBio.Entrez to access NCBI Entrez will automaticallyreturnXML datainbinary mode. For files, use mode"rb"when opening the file, asin>>>from BioimportEntrez>>>path="Entrez/pubmed1.xml">>>stream=open(path,"rb")# opened in binary mode>>>records=Entrez.parse(stream)>>>forrecordinrecords:... print(record['MedlineCitation']['Article']['Journal']['Title'])... Social justice(San Francisco, Calif.)Biochimica et biophysica acta>>>stream.close()Alternatively, you can use the filename directly, asin>>>records=Entrez.parse(path)>>>forrecordinrecords:... print(record['MedlineCitation']['Article']['Journal']['Title'])... Social justice(San Francisco, Calif.)Biochimica et biophysica actawhichis safer, as thefilestream will automatically be closed after all the records have been read, orifan error occurs. If validate is True(default), the parser will validate the XMLfileagainst the DTD, and raise an errorifthe XMLfilecontains tags that are not representedinthe DTD. If validate is False, the parser will simply skip such tags. If escape is True, all characters that are not valid HTML are replaced by HTML escape characters to guarantee that the returned strings are valid HTML fragments. For example, a less-than sign(<)is replaced by&lt;.If escape is False(default), the string is returned as is. If ignore_errors is False(default), any error messagesinthe XMLfilewill raise a RuntimeError. If ignore_errors is True, error messages will be stored as ErrorElement items, without raising an exception. Whereas the data structure seems to consist of generic Python lists, dictionaries, strings, and so on, each of these is actually a class derived from the base type. This allows us to store the attributes(if any)of each elementina dictionary my_element.attributes, and the tag nameinmy_element.tag.

read

Parse an XMLfilefrom the NCBI Entrez Utilities into python objects. Thisfunctionparses an XMLfilecreated by NCBI's Entrez Utilities, returning a multilevel data structure of Python lists and dictionaries. Most XML files returned by NCBI's Entrez Utilities can be parsed by this function, provided its DTD is available. Biopython includes the DTDsformostcommonly used Entrez Utilities. The argument ``source`` must be afileor file-like object openedinbinary mode, or a filename. The parser detects the encoding from the XML file, and uses it to convert all textinthe XML to the correct Unicode string. The functionsinBio.Entrez to access NCBI Entrez will automaticallyreturnXML datainbinary mode. For files, use mode"rb"when opening the file, asin>>>from BioimportEntrez>>>path="Entrez/esearch1.xml">>>stream=open(path,"rb")# opened in binary mode>>>record=Entrez.read(stream)>>>print(record['QueryTranslation'])biopython[All Fields]>>>stream.close()Alternatively, you can use the filename directly, asin>>>record=Entrez.read(path)>>>print(record['QueryTranslation'])biopython[All Fields]whichis safer, as thefilestream will automatically be closed after the record has been read, orifan error occurs. If validate is True(default), the parser will validate the XMLfileagainst the DTD, and raise an errorifthe XMLfilecontains tags that are not representedinthe DTD. If validate is False, the parser will simply skip such tags. If escape is True, all characters that are not valid HTML are replaced by HTML escape characters to guarantee that the returned strings are valid HTML fragments. For example, a less-than sign(<)is replaced by&lt;.If escape is False(default), the string is returned as is. If ignore_errors is False(default), any error messagesinthe XMLfilewill raise a RuntimeError. If ignore_errors is True, error messages will be stored as ErrorElement items, without raising an exception. Whereas the data structure seems to consist of generic Python lists, dictionaries, strings, and so on, each of these is actually a class derived from the base type. This allows us to store the attributes(if any)of each elementina dictionary my_element.attributes, and the tag nameinmy_element.tag.

parse和read的比较

基于 Biopython 中Bio.Entrez模块对 NCBI Entrez Utilities XML 文件的解析功能，二者的核心区别及共性如下表所示：

2，回到BioPython文档

在借助libinspector简单查看了一下文档，以及主要API之后，我们回到BioPython的Entrez这个模块。

1，EUtils XML结果的4种解析方法

EUtils（NCBI提供的编程工具集）返回的数据默认多为XML格式，需通过以下方式解析，各有适用场景：

1. Bio.Entrez解析器（推荐）
   Biopython专为NCBI数据设计的工具，可直接将XML结果转换为Python对象（如字典、列表），无需手动处理XML标签，操作简洁且适配NCBI数据结构，是生物信息分析中最常用的方式。
2. Python标准库DOM解析器
   基于“文档对象模型”，会先将整个XML文件加载到内存中生成树形结构，再通过遍历树节点获取数据。适合XML文件较小、需频繁随机访问节点的场景，但内存占用较高，不适合超大文件。
3. Python标准库SAX解析器
   基于“事件驱动”，逐行读取XML文件，遇到标签（如<DbList>）时触发预设事件（如“开始标签”“结束标签”）并处理数据。无需加载整个文件到内存，适合解析超大XML文件，但逻辑较复杂，需自定义事件处理函数。
4. 纯文本字符串处理（不推荐）
   直接将XML视为普通文本，通过字符串查找（如find()、正则表达式）提取信息。优点是无需依赖解析库，但极易受XML格式变化（如标签缩进、属性顺序）影响，稳定性差，仅适用于临时简单场景。

2，NCBI DTD文件的作用与缺失/过时处理

1. DTD文件的核心作用

DTD（文档类型定义）是NCBI用于规范XML文件结构的文件，定义了XML中允许的标签（如<Count>``<IdList>）、标签层级关系及数据类型。Biopython读取XML时，会通过DTD验证XML格式是否合法，确保解析结果准确。

2. DTD文件的常见问题与解决方案

Biopython默认包含多数NCBI常用DTD，但可能因NCBI升级DTD或特殊XML类型出现“缺失/过时”问题，处理方式如下：

• 自动补救：若DTD缺失，Entrez.read()会弹出警示（含缺失DTD的名称和下载URL），并自动从互联网下载DTD，保证解析继续进行（但会增加网络耗时）。
• 手动优化（提升速度）：为避免重复联网下载，可手动将DTD文件放入指定目录，解析器会优先读取本地文件：
  • 优先目录：用户主目录下的~/.biopython/Bio/Entrez/DTDs（无权限操作系统目录时首选）；
  • 系统目录：.../site-packages/Bio/Entrez/DTDs（Biopython安装目录，需管理员权限）；
  • 源码安装场景：将DTD放入Biopython源码的Bio/Entrez/DTDs目录，重新安装即可覆盖旧文件。

简单来说就是EUtils工具返回的大多是XML格式数据，DTD是NCBI用来规范、描述这个返回的XML格式的文件，而Bio.Entrez解析器能够解析这个返回的XML格式数据。（简单来说就是NCBI有一大堆数据（XML）要返回，DTD是其说明文档/指南，解析器是直接处理这些数据的）。

Entrez Programming Utilities也可以生成其他格式的输出文件，比如Fasta、序列数据库里面的GenBank文件格式 或者文献数据库里面的MedLine格式。

3，通过Biopython访问NCBI的线上资源规范（NCBI的Entrez 用户规范）

如果NCBI发现你在滥用他们的系统，他们会禁止你的访问。

最后，根据你的使用情况选择不同的策略。如果你打算下载大量的数据，最好使用其他的方法。比如，你想得到所有人的 基因的数据，那么考虑通过FTP得到每个染色体的GenBank文件，然后将这些文件导入到你自己的BioSQL数据库里面去。

4，EInfo: 获取Entrez数据库的信息

EInfo为每个NCBI的数据库提供了条目索引，最近更新的时间以及可用的链接。此外，你可以很容易的使用EInfo通过 Entrez获取所有数据库名字的列表：

fromBioimportEntrez Entrez.email="A.N.Other@example.com"# Always tell NCBI who you arehandle=Entrez.einfo()result=handle.read()

依据下面的内容，我们基本上可以确定：

• type(handle) → http.client.HTTPResponse（http响应对象）：Bio.Entrez 库的核心是向 NCBI 的 Entrez 接口发送 HTTP 请求，而 einfo() 方法执行后，返回的 handle 本质是 Python 标准库 http.client.HTTPResponse 类型的对象，它代表的是服务器返回的原始 HTTP 响应流，而不是直接的 XML 文本。
• type(result) → str（XML 格式的文本字符串，响应内容/XML格式）：当我们调用 handle.read() 时，会读取这个 HTTP 响应流里的字节数据，并解码为字符串，这个字符串的内容就是 NCBI 返回的 XML 格式数据。

现在我们来看看这个http响应的具体内容，原始是XML格式的（html其实也是XML格式的一种特殊形式，所以熟悉Python爬虫的看这些应该都不陌生）。

变量 result 现在包含了XML格式的数据库列表：

因为有换行符，所以我们不直接用print，还是用splitlines按照换行符拆分

forlineinresult.splitlines():print(line)

返回的XML格式中（我们可以类比特殊的html来观察分析），

像各种数据库我们就不用说了pubmed基本上生物医学领域的没有人不知道，clivar也是常用的临床数据库，等等等等。

其中DTD不用说了，我们前面提到过，相当于是使用文档/说明书，我们直接点开右边这个链接就能够拿到这个DTD文件

<!--Thisisthe Current DTDforEntrez eInfo $Id:einfo.dtd5779242019-01-0922:59:07Z fialkov $ need xml2json.xsl--><!--=================================================================--><!--~~!dtd~~json<jsontype='einfo'version='0.3'><config lcnames='true'/></json>~~--><!ELEMENT DbName(#PCDATA)> <!-- \S+ --><!ELEMENT Name(#PCDATA)> <!-- .+ --><!ELEMENT FullName(#PCDATA)> <!-- .+ --><!ELEMENT Description(#PCDATA)> <!-- .+ --><!ELEMENT DbBuild(#PCDATA)> <!-- .+ --><!ELEMENT TermCount(#PCDATA)> <!-- \d+ --><!ELEMENT Menu(#PCDATA)> <!-- .+ --><!ELEMENT DbTo(#PCDATA)> <!-- \S+ --><!ELEMENT MenuName(#PCDATA)> <!-- .+ --><!ELEMENT Count(#PCDATA)> <!-- \d+ --><!ELEMENT LastUpdate(#PCDATA)> <!-- \d+ --><!ELEMENT ERROR(#PCDATA)> <!-- .+ --><!ELEMENT Warning(#PCDATA)> <!-- .+ --><!ELEMENT IsDate(#PCDATA)> <!-- (Y|N) --><!ELEMENT IsNumerical(#PCDATA)> <!-- (Y|N) --><!ELEMENT SingleToken(#PCDATA)> <!-- (Y|N) --><!ELEMENT Hierarchy(#PCDATA)> <!-- (Y|N) --><!ELEMENT IsHidden(#PCDATA)> <!-- (Y|N) --><!ELEMENT IsRangable(#PCDATA)> <!-- (Y|N) --><!ELEMENT IsTruncatable(#PCDATA)> <!-- (Y|N) --><!ELEMENT DbList(DbName+)><!ELEMENT Field(Name,FullName,Description,TermCount,IsDate,IsNumerical,SingleToken,Hierarchy,IsHidden,IsRangable?,IsTruncatable?)><!ELEMENT Link(Name,Menu,Description,DbTo)><!ELEMENT LinkList(Link*)><!ELEMENT FieldList(Field*)><!ELEMENT DbInfo(DbName,MenuName,Description,DbBuild?,Warning?,Count?,LastUpdate?,FieldList?,LinkList?)><!--~~<eInfoResult>~~json<object><member select='DbList'/><array key='dbinfo'select='DbInfo|ERROR'/></object>~~--><!ELEMENT eInfoResult(DbList|(DbInfo|ERROR)+)>

当然，这个数据我们也可以直接从biopython本身的package文件中查找：前面说了是在…site-packages/Bio/Entrez/DTDs中。

我们的biopython版本比较新了，是1.85，但是这个DTD还是2019年的，只能说数据库就这样了（其实没怎么大更新过，我之前其实还担心biopython项目太大，维护不及时那就很麻烦了）

可以看到，这个文件夹里面有非常多的DTD文件，说明每一个数目库返回的格式都是不一样不统一的，都需要单独额外进行规划：

另外我红圈标注出来的是文献数据库Pubmed

还有一大堆：

我这里把最后一个190101的dtd拉出来，大家可以看一下：

只能说文献数据库本身也是比较复杂的

<!--2018-09-01This DTD supports both the E-utilitiesandftp service data dissemination methods.Itisbased on http://dtd.nlm.nih.gov/ncbi/pubmed/out/pubmed_190101.dtd Additions/Changes since180601DTD:1.Added elements to capture reference citations:<ReferenceList><Reference><Citation>2.Removed<CitationString>frombook records.3.Added four values to CommentsCorrections/@RefType CorrectedandRepublishedIn CorrectedandRepublishedFrom RetractedandRepublishedIn RetractedandRepublishedFrom4.Added"plain-language-summary"to allowed valuesfor@Type on<OtherAbstract>NOTE:The use of"Medline"ina DTDorelement name doesnotmean the record represents a citationfroma MEDLINE-selected journal.When the NLM DTDsandXML elements were first created,MEDLINE records were the only data exported.Now NLM exports citations other than MEDLINE records using these tools.To minimize unnecessary disruption to users of the dataandtools,NLM has retained the original DTDandelement names(e.g.,MedlineTA,MedlineJournalInfo).NOTE:StartPageandEndPageinPagination element arenotcurrently used;are reservedforfuture use.*=0ormore occurrences(optional element,repeatable)?=0or1occurrences(optional element,at most1)+=1ormore occurrences(required element,repeatable)|=choice,oneorthe other butnotboth no symbol=required element--><!--=============================================================--><!--MATHML3.0SETUP--><!--=============================================================--><!--MATHML SETUP FILE--><!ENTITY%mathml-in-pubmed SYSTEM"mathml-in-pubmed.mod">%mathml-in-pubmed;<!--=================================================================--><!--=================================================================--><!ENTITY%text"#PCDATA | b | i | sup | sub | u"><!ENTITY%booklinkatts "book CDATA#IMPLIEDpart CDATA#IMPLIEDsec CDATA#IMPLIED" ><!--=================================================================--><!--=================================================================--><!--=================Set-level elements============================--><!ELEMENT PubmedArticleSet((PubmedArticle|PubmedBookArticle)+,DeleteCitation?)><!ATTLIST PubmedArticleSet><!ELEMENT BookDocumentSet(BookDocument*,DeleteDocument?)><!ATTLIST BookDocumentSet><!ELEMENT PubmedBookArticleSet(PubmedBookArticle*)><!ATTLIST PubmedBookArticleSet><!--=============Document-level elements============================--><!ELEMENT PubmedArticle(MedlineCitation,PubmedData?)><!ATTLIST PubmedArticle><!ELEMENT PubmedBookArticle(BookDocument,PubmedBookData?)><!ATTLIST PubmedBookArticle><!ELEMENT BookDocument(PMID,ArticleIdList,Book,LocationLabel*,ArticleTitle?,VernacularTitle?,Pagination?,Language*,AuthorList*,InvestigatorList?,PublicationType*,Abstract?,Sections?,KeywordList*,ContributionDate?,DateRevised?,GrantList?,ItemList*,ReferenceList*)><!ELEMENT DeleteCitation(PMID+)><!ELEMENT DeleteDocument(PMID*)><!--===============Sub-Document wrapper elements=====================--><!ELEMENT MedlineCitation(PMID,DateCompleted?,DateRevised?,Article,MedlineJournalInfo,ChemicalList?,SupplMeshList?,CitationSubset*,CommentsCorrectionsList?,GeneSymbolList?,MeshHeadingList?,NumberOfReferences?,PersonalNameSubjectList?,OtherID*,OtherAbstract*,KeywordList*,CoiStatement?,SpaceFlightMission*,InvestigatorList?,GeneralNote*)><!ATTLIST MedlineCitation Owner(NLM|NASA|PIP|KIE|HSR|HMD|NOTNLM)"NLM"Status(Completed|In-Process|PubMed-not-MEDLINE|In-Data-Review|Publisher|MEDLINE|OLDMEDLINE)#REQUIREDVersionID CDATA#IMPLIEDVersionDate CDATA#IMPLIEDIndexingMethod CDATA#IMPLIED ><!ELEMENT PubmedData(History?,PublicationStatus,ArticleIdList,ObjectList?,ReferenceList*)><!ELEMENT PubmedBookData(History?,PublicationStatus,ArticleIdList,ObjectList?)><!ELEMENT Article(Journal,ArticleTitle,((Pagination,ELocationID*)|ELocationID+),Abstract?,AuthorList?,Language+,DataBankList?,GrantList?,PublicationTypeList,VernacularTitle?,ArticleDate*)><!ATTLIST Article PubModel(Print|Print-Electronic|Electronic|Electronic-Print|Electronic-eCollection)#REQUIRED ><!--=================================================================--><!--Everythingelseinalphabetical order--><!--=================================================================--><!ELEMENT Abstract(AbstractText+,CopyrightInformation?)><!ELEMENT AbstractText(%text;|mml:math|DispFormula)*><!ATTLIST AbstractText Label CDATA#IMPLIEDNlmCategory(BACKGROUND|OBJECTIVE|METHODS|RESULTS|CONCLUSIONS|UNASSIGNED)#IMPLIED ><!ELEMENT AccessionNumber(#PCDATA) ><!ELEMENT AccessionNumberList(AccessionNumber+)><!ELEMENT Acronym(#PCDATA) ><!ELEMENT Affiliation(%text;)*><!ELEMENT AffiliationInfo(Affiliation,Identifier*)><!ELEMENT Agency(#PCDATA) ><!ELEMENT ArticleDate(Year,Month,Day)><!ATTLIST ArticleDate DateType CDATA#FIXED "Electronic" ><!ELEMENT ArticleId(#PCDATA) ><!ATTLIST ArticleId IdType(doi|pii|pmcpid|pmpid|pmc|mid|sici|pubmed|medline|pmcid|pmcbook|bookaccession)"pubmed"><!ELEMENT ArticleIdList(ArticleId+)><!ELEMENT ArticleTitle(%text;|mml:math)*><!ATTLIST ArticleTitle%booklinkatts;><!ELEMENT Author(((LastName,ForeName?,Initials?,Suffix?)|CollectiveName),Identifier*,AffiliationInfo*)><!ATTLIST Author ValidYN(Y|N)"Y"EqualContrib(Y|N)#IMPLIED ><!ELEMENT AuthorList(Author+)><!ATTLIST AuthorList CompleteYN(Y|N)"Y"Type(authors|editors)#IMPLIED ><!ELEMENT b(%text;)*><!--bold--><!ELEMENT BeginningDate(Year,((Month,Day?)|Season)?)><!ELEMENT Book(Publisher,BookTitle,PubDate,BeginningDate?,EndingDate?,AuthorList*,InvestigatorList?,Volume?,VolumeTitle?,Edition?,CollectionTitle?,Isbn*,ELocationID*,Medium?,ReportNumber?)><!ELEMENT BookTitle(%text;|mml:math)*><!ATTLIST BookTitle%booklinkatts;><!ELEMENT Chemical(RegistryNumber,NameOfSubstance)><!ELEMENT ChemicalList(Chemical+)><!ELEMENT Citation(%text;|mml:math)*><!ELEMENT CitationSubset(#PCDATA) ><!ELEMENT CoiStatement(%text;)*><!ELEMENT CollectionTitle(%text;|mml:math)*><!ATTLIST CollectionTitle%booklinkatts;><!ELEMENT CollectiveName(%text;)*><!ELEMENT CommentsCorrections(RefSource,PMID?,Note?)><!ATTLIST CommentsCorrections RefType(AssociatedDataset|AssociatedPublication|CommentIn|CommentOn|CorrectedandRepublishedIn|CorrectedandRepublishedFrom|ErratumIn|ErratumFor|ExpressionOfConcernIn|ExpressionOfConcernFor|RepublishedIn|RepublishedFrom|RetractedandRepublishedIn|RetractedandRepublishedFrom|RetractionIn|RetractionOf|UpdateIn|UpdateOf|SummaryForPatientsIn|OriginalReportIn|ReprintIn|ReprintOf|Cites)#REQUIRED ><!ELEMENT CommentsCorrectionsList(CommentsCorrections+)><!ELEMENT ContractNumber(#PCDATA) ><!ELEMENT ContributionDate(Year,((Month,Day?)|Season)?)><!ELEMENT CopyrightInformation(#PCDATA) ><!ELEMENT Country(#PCDATA) ><!ELEMENT DataBank(DataBankName,AccessionNumberList?)><!ELEMENT DataBankList(DataBank+)><!ATTLIST DataBankList CompleteYN(Y|N)"Y"><!ELEMENT DataBankName(#PCDATA) ><!ELEMENT DateCompleted(Year,Month,Day)><!ELEMENT DateRevised(Year,Month,Day)><!ELEMENT Day(#PCDATA )><!ELEMENT DescriptorName(#PCDATA) ><!ATTLIST DescriptorName MajorTopicYN(Y|N)"N"Type(Geographic)#IMPLIEDUI CDATA#REQUIRED ><!ELEMENT DispFormula(mml:math)><!ELEMENT Edition(#PCDATA) ><!ELEMENT ELocationID(#PCDATA) ><!ATTLIST ELocationID EIdType(doi|pii)#REQUIREDValidYN(Y|N)"Y"><!ELEMENT EndingDate(Year,((Month,Day?)|Season)?)><!ELEMENT EndPage(#PCDATA) ><!ELEMENT ForeName(#PCDATA) ><!ELEMENT GeneSymbol(#PCDATA) ><!ELEMENT GeneSymbolList(GeneSymbol+)><!ELEMENT GeneralNote(#PCDATA) ><!ATTLIST GeneralNote Owner(NLM|NASA|PIP|KIE|HSR|HMD)"NLM"><!ELEMENT Grant(GrantID?,Acronym?,Agency,Country)><!ELEMENT GrantID(#PCDATA) ><!ELEMENT GrantList(Grant+)><!ATTLIST GrantList CompleteYN(Y|N)"Y"><!ELEMENT History(PubMedPubDate+)><!ELEMENT Hour(#PCDATA) ><!ELEMENT i(%text;)*><!--italic--><!ELEMENT Identifier(#PCDATA) ><!ATTLIST Identifier Source CDATA#REQUIRED ><!ELEMENT Initials(#PCDATA) ><!ELEMENT Investigator(LastName,ForeName?,Initials?,Suffix?,Identifier*,AffiliationInfo*)><!ATTLIST Investigator ValidYN(Y|N)"Y"><!ELEMENT InvestigatorList(Investigator+)><!ELEMENT Isbn(#PCDATA) ><!ELEMENT ISOAbbreviation(#PCDATA) ><!ELEMENT ISSN(#PCDATA) ><!ATTLIST ISSN IssnType(Electronic|Print)#REQUIRED ><!ELEMENT ISSNLinking(#PCDATA) ><!ELEMENT Issue(#PCDATA) ><!ELEMENT Item(#PCDATA)><!ELEMENT ItemList(Item+)><!ATTLIST ItemList ListType CDATA#REQUIRED><!ELEMENT Journal(ISSN?,JournalIssue,Title?,ISOAbbreviation?)><!ELEMENT JournalIssue(Volume?,Issue?,PubDate)><!ATTLIST JournalIssue CitedMedium(Internet|Print)#REQUIRED ><!ELEMENT Keyword(%text;|mml:math)*><!ATTLIST Keyword MajorTopicYN(Y|N)"N"><!ELEMENT KeywordList(Keyword+)><!ATTLIST KeywordList Owner(NLM|NLM-AUTO|NASA|PIP|KIE|NOTNLM|HHS)"NLM"><!ELEMENT Language(#PCDATA) ><!ELEMENT LastName(#PCDATA) ><!ELEMENT LocationLabel(#PCDATA)><!ATTLIST LocationLabel Type(part|chapter|section|appendix|figure|table|box)#IMPLIED ><!ELEMENT Medium(#PCDATA) ><!ELEMENT MedlineDate(#PCDATA) ><!ELEMENT MedlineJournalInfo(Country?,MedlineTA,NlmUniqueID?,ISSNLinking?)><!ELEMENT MedlinePgn(#PCDATA) ><!ELEMENT MedlineTA(#PCDATA) ><!ELEMENT MeshHeading(DescriptorName,QualifierName*)><!ELEMENT MeshHeadingList(MeshHeading+)><!ELEMENT Minute(#PCDATA) ><!ELEMENT Month(#PCDATA) ><!ELEMENT NameOfSubstance(#PCDATA) ><!ATTLIST NameOfSubstance UI CDATA#REQUIRED ><!ELEMENT NlmUniqueID(#PCDATA) ><!ELEMENT Note(#PCDATA) ><!ELEMENT NumberOfReferences(#PCDATA) ><!ELEMENT Object(Param*)><!ATTLIST Object Type CDATA#REQUIRED ><!ELEMENT ObjectList(Object+)><!ELEMENT OtherAbstract(AbstractText+,CopyrightInformation?)><!ATTLIST OtherAbstract Type(AAMC|AIDS|KIE|PIP|NASA|Publisher|plain-language-summary)#REQUIREDLanguage CDATA"eng"><!ELEMENT OtherID(#PCDATA) ><!ATTLIST OtherID Source(NASA|KIE|PIP|POP|ARPL|CPC|IND|CPFH|CLML|NRCBL|NLM|QCIM)#REQUIRED ><!ELEMENT PMID(#PCDATA) ><!ATTLIST PMID Version CDATA#REQUIRED ><!ELEMENT Pagination((StartPage,EndPage?,MedlinePgn?)|MedlinePgn)><!ELEMENT Param(%text;)*><!ATTLIST Param Name CDATA#REQUIRED ><!ELEMENT PersonalNameSubject(LastName,ForeName?,Initials?,Suffix?)><!ELEMENT PersonalNameSubjectList(PersonalNameSubject+)><!ELEMENT PubDate((Year,((Month,Day?)|Season)?)|MedlineDate)><!ELEMENT PublicationStatus(#PCDATA) ><!ELEMENT PublicationType(#PCDATA) ><!ATTLIST PublicationType UI CDATA#REQUIRED ><!ELEMENT PublicationTypeList(PublicationType+)><!ELEMENT PubMedPubDate(Year,Month,Day,(Hour,(Minute,Second?)?)?)><!ATTLIST PubMedPubDate PubStatus(received|accepted|epublish|ppublish|revised|aheadofprint|retracted|ecollection|pmc|pmcr|pubmed|pubmedr|premedline|medline|medliner|entrez|pmc-release)#REQUIRED ><!ELEMENT Publisher(PublisherName,PublisherLocation?)><!ELEMENT PublisherLocation(#PCDATA) ><!ELEMENT PublisherName(%text;)*><!ELEMENT QualifierName(#PCDATA) ><!ATTLIST QualifierName MajorTopicYN(Y|N)"N"UI CDATA#REQUIRED ><!ELEMENT Reference(Citation,ArticleIdList?)><!ELEMENT ReferenceList(Title?,Reference*,ReferenceList*)><!ELEMENT RefSource(#PCDATA) ><!ELEMENT RegistryNumber(#PCDATA) ><!ELEMENT ReportNumber(#PCDATA) ><!ELEMENT Season(#PCDATA) ><!ELEMENT Second(#PCDATA) ><!ELEMENT Section(LocationLabel?,SectionTitle,Section*)><!ELEMENT Sections(Section+)><!ELEMENT SectionTitle(%text;)*><!ATTLIST SectionTitle%booklinkatts;><!ELEMENT SpaceFlightMission(#PCDATA) ><!ELEMENT StartPage(#PCDATA) ><!ELEMENT sub(%text;)*><!--subscript--><!ELEMENT Suffix(%text;)*><!ELEMENT sup(%text;)*><!--superscript--><!ELEMENT SupplMeshList(SupplMeshName+)><!ELEMENT SupplMeshName(#PCDATA) ><!ATTLIST SupplMeshName Type(Disease|Protocol|Organism)#REQUIREDUI CDATA#REQUIRED ><!ELEMENT Title(#PCDATA) ><!ELEMENT u(%text;)*><!--underline--><!ELEMENT URL(#PCDATA) ><!ATTLIST URL lang(AF|AR|AZ|BG|CS|DA|DE|EN|EL|ES|FA|FI|FR|HE|HU|HY|IN|IS|IT|IW|JA|KA|KO|LT|MK|ML|NL|NO|PL|PT|PS|RO|RU|SL|SK|SQ|SR|SV|SW|TH|TR|UK|VI|ZH)#IMPLIEDType(FullText|Summary|fulltext|summary)#IMPLIED ><!ELEMENT VernacularTitle(%text;|mml:math)*><!ELEMENT Volume(#PCDATA) ><!ELEMENT VolumeTitle(%text;)*><!ELEMENT Year(#PCDATA) >

从上面内容中可以看出，其实Einfo本质上就是查询 Entrez 系统中可用数据库的 “元信息”—— 比如有哪些数据库、每个数据库的字段（Field）含义、可关联的其他数据库（Link）、数据更新时间等，相当于 Entrez 系统的 “说明书查询工具”。

然后上面其实是两部分内容，**<font style="color:rgba(0, 0, 0, 0.8);">einfo.dtd</font>**（XML 语法规则，也就是我们点击下载的那个链接文件）和**<font style="color:rgba(0, 0, 0, 0.8);">eInfoResult</font>**（实际返回的 XML 数据，也就是我们将einfo的result进行print的内容），二者是 “规则 - 实例” 的关系。

因为这两个比较重要，是我们理解NCBI等数据库底层组织以及构建的重点，在我的理解中NCBI就是一个链接型（link type）数据库，我们再详细讲一下：

1. einfo.dtd：定义XML的结构规则

DTD（文档类型定义）的作用是约束XML文件的标签、层级和数据格式，确保所有eInfo返回的XML都符合统一标准。以下是关键标签的含义（按功能分类）：

2. XML示例：eInfo的实际返回结果

我们print出来的XML片段是调用eInfo查询“所有Entrez数据库列表”的结果，结构非常清晰：

<?xml version="1.0" encoding="UTF-8" ?><!DOCTYPEeInfoResultPUBLIC"-//NLM//DTD einfo 20190110//EN""https://eutils.ncbi.nlm.nih.gov/eutils/dtd/20190110/einfo.dtd"><eInfoResult><!-- 根标签 --><DbList><!-- 数据库列表容器 --><DbName>pubmed</DbName><!-- 文献数据库 --><DbName>protein</DbName><!-- 蛋白质序列数据库 --><DbName>nuccore</DbName><!-- 核心核苷酸序列数据库 --><DbName>ipg</DbName><!-- 同源蛋白组数据库 --><!-- ... 其他数据库 ... --><DbName>gtr</DbName><!-- 遗传检测登记数据库 --></DbList></eInfoResult>

• 开头的<!DOCTYPE ...>声明：指定该XML遵循的DTD版本（20190110版），确保解析器按正确规则解读；
• 内容仅包含<DbList>：说明这次eInfo请求的目标是“获取所有数据库名称”；若请求某单个数据库（如PubMed）的详细信息，XML会包含<DbInfo>（含字段列表、链接列表等）。

3. 实际用途：如何用这些信息？

无论是DTD还是XML结果，核心用途都是支撑Entrez系统的检索开发或使用，常见场景包括：

1. 开发层面：解析eInfo返回数据

如果我们需要编写代码（如Python、Java）调用Entrez eInfo工具（通过NCBI的E-utilities API），DTD是“数据解析指南”：

• 例如，用Python的xml.etree.ElementTree解析XML时，可根据DTD确定“要提取的标签层级”（如eInfoResult -> DbList -> DbName）；
• 避免解析错误：比如知道TermCount是纯数字，可直接转为整数，无需额外判断格式。

2. 使用层面：了解数据库检索规则

即使不开发，通过eInfo的XML结果也能帮我们更高效使用Entrez（如PubMed）：

• 查可用字段：比如调用eInfo查询pubmed的<FieldList>，可知道PubMed支持“Title”（标题）、“Author”（作者）、“MeSH Terms”（医学主题词）等检索字段；
• 查关联数据库：比如从<LinkList>知道PubMed的文献可直接链接到“protein”（相关蛋白质）、“gene”（相关基因）数据库，方便跨库检索。

4. 将这个XML读入到一个Python对象里面去

现在回到我们的result，因为这是一个非常简单的XML格式数据

而XML格式数据我们前面说了，我们有很多种方法可以进行解析

最原始的方法，就是将XML输出当做文本文件，那就是字符串数据，我们可以使用字符串查找以及处理函数来分析数据。

当然，最正常的做法应该是将XML格式数据解析为字典之类的python对象，这样我们才好编程。

使用 Bio.Entrez 的解析器， 我们可以直接将这个XML读入到一个Python对象里面去。

至于解析，前面提过parse和read两个API接口，大家可以再回过头去仔细看看。

此处使用read：

from Bio import Entrez handle = Entrez.einfo() record = Entrez.read(handle)

可以发现，record现在是一个拥有确定键值对的字典数据：

我这里简单打印出来看一下：

这个键对应的值存储了上面XML文件里面包含的数据库名字的列表：

for key, value in record.items(): print(f"{key}:\n{"\n".join(value)}\n")

对于这些数据库，我们可以使用EInfo获得更多的信息：

比如说我们就看一下pubmed这个文献数据库，

handle = Entrez.einfo(db="pubmed") record = Entrez.read(handle)

还是只有一个键的字典，

我们再仔细看看：

我们可以发现，lastupdate就是昨天，所以还是时效性上还是不用担心

主要是后面这两个字典list，

我们可以详细地展开看看

for key, value in record['DbInfo'].items(): if key == 'FieldList': print(f"{key}:") for field in value: for field_type, field_value in field.items(): print(f" {field_type}: {field_value}") elif key == 'LinkList': print(f"{key}:") for link in value: for link_type, link_value in link.items(): print(f" {link_type}: {link_value}") else: print(f"{key}: {value}")

再次强调，该代码演示结果/数据时效日期为2025.12.12！

对于link链接部分，我们可以看到其实链接到的都是一些和组学相关的数据库，

DbName: pubmed MenuName: PubMed Description: PubMed bibliographic record DbBuild: Build-2025.12.11.13.21 Count: 39810006 LastUpdate: 2025/12/11 13:21 FieldList: Name: ALL FullName: All Fields Description: All terms from all searchable fields TermCount: IsDate: N IsNumerical: N SingleToken: N Hierarchy: N IsHidden: N Name: UID FullName: UID Description: Unique number assigned to publication TermCount: IsDate: N IsNumerical: Y SingleToken: Y Hierarchy: N IsHidden: Y Name: FILT FullName: Filter Description: Limits the records TermCount: IsDate: N IsNumerical: N SingleToken: Y Hierarchy: N IsHidden: N Name: TITL FullName: Title Description: Words in title of publication TermCount: IsDate: N IsNumerical: N SingleToken: N Hierarchy: N IsHidden: N Name: MESH FullName: MeSH Terms Description: Medical Subject Headings assigned to publication TermCount: IsDate: N IsNumerical: N SingleToken: Y Hierarchy: Y IsHidden: N Name: MAJR FullName: MeSH Major Topic Description: MeSH terms of major importance to publication TermCount: IsDate: N IsNumerical: N SingleToken: Y Hierarchy: Y IsHidden: N Name: JOUR FullName: Journal Description: Journal abbreviation of publication TermCount: IsDate: N IsNumerical: N SingleToken: Y Hierarchy: N IsHidden: N Name: AFFL FullName: Affiliation Description: Author's institutional affiliation and address TermCount: IsDate: N IsNumerical: N SingleToken: N Hierarchy: N IsHidden: N Name: ECNO FullName: EC/RN Number Description: EC number for enzyme or CAS registry number TermCount: IsDate: N IsNumerical: N SingleToken: Y Hierarchy: N IsHidden: N Name: SUBS FullName: Supplementary Concept Description: CAS chemical name or MEDLINE Substance Name TermCount: IsDate: N IsNumerical: N SingleToken: Y Hierarchy: N IsHidden: N Name: PDAT FullName: Date - Publication Description: Date of publication TermCount: IsDate: Y IsNumerical: N SingleToken: Y Hierarchy: N IsHidden: N Name: EDAT FullName: Date - Entry Description: Date publication first accessible through Entrez TermCount: IsDate: Y IsNumerical: N SingleToken: Y Hierarchy: N IsHidden: N Name: VOL FullName: Volume Description: Volume number of publication TermCount: IsDate: N IsNumerical: N SingleToken: Y Hierarchy: N IsHidden: N Name: PAGE FullName: Pagination Description: Page number(s) of publication TermCount: IsDate: N IsNumerical: N SingleToken: Y Hierarchy: N IsHidden: N Name: PTYP FullName: Publication Type Description: Type of publication (e.g., review) TermCount: IsDate: N IsNumerical: N SingleToken: Y Hierarchy: Y IsHidden: N Name: LANG FullName: Language Description: Language of publication TermCount: IsDate: N IsNumerical: N SingleToken: Y Hierarchy: N IsHidden: N Name: ISS FullName: Issue Description: Issue number of publication TermCount: IsDate: N IsNumerical: N SingleToken: Y Hierarchy: N IsHidden: N Name: SUBH FullName: MeSH Subheading Description: Additional specificity for MeSH term TermCount: IsDate: N IsNumerical: N SingleToken: Y Hierarchy: Y IsHidden: N Name: SI FullName: Secondary Source ID Description: Cross-reference from publication to other databases TermCount: IsDate: N IsNumerical: N SingleToken: Y Hierarchy: N IsHidden: N Name: MHDA FullName: Date - MeSH Description: Date publication was indexed with MeSH terms TermCount: IsDate: Y IsNumerical: N SingleToken: Y Hierarchy: N IsHidden: N Name: TIAB FullName: Title/Abstract Description: Free text associated with Abstract/Title TermCount: IsDate: N IsNumerical: N SingleToken: N Hierarchy: N IsHidden: N Name: OTRM FullName: Other Term Description: Other terms associated with publication TermCount: IsDate: N IsNumerical: N SingleToken: N Hierarchy: N IsHidden: N Name: COLN FullName: Author - Corporate Description: Corporate Author of publication TermCount: IsDate: N IsNumerical: N SingleToken: N Hierarchy: N IsHidden: N Name: CNTY FullName: Place of Publication Description: Country of publication TermCount: IsDate: N IsNumerical: N SingleToken: N Hierarchy: N IsHidden: Y Name: PAPX FullName: Pharmacological Action Description: MeSH pharmacological action pre-explosions TermCount: IsDate: N IsNumerical: N SingleToken: Y Hierarchy: N IsHidden: N Name: GRNT FullName: Grants and Funding Description: NIH Grant Numbers TermCount: IsDate: N IsNumerical: N SingleToken: Y Hierarchy: N IsHidden: N Name: MDAT FullName: Date - Modification Description: Date of last modification TermCount: IsDate: Y IsNumerical: N SingleToken: Y Hierarchy: N IsHidden: N Name: CDAT FullName: Date - Completion Description: Date of completion TermCount: IsDate: Y IsNumerical: N SingleToken: Y Hierarchy: N IsHidden: N Name: PID FullName: Publisher ID Description: Publisher ID TermCount: IsDate: N IsNumerical: N SingleToken: Y Hierarchy: N IsHidden: Y Name: FAUT FullName: Author - First Description: First Author of publication TermCount: IsDate: N IsNumerical: N SingleToken: Y Hierarchy: N IsHidden: N Name: FULL FullName: Author Description: Full Author Name(s) of publication TermCount: IsDate: N IsNumerical: N SingleToken: Y Hierarchy: N IsHidden: N Name: FINV FullName: Investigator Description: Full name of investigator TermCount: IsDate: N IsNumerical: N SingleToken: Y Hierarchy: N IsHidden: N Name: TT FullName: Transliterated Title Description: Words in transliterated title of publication TermCount: IsDate: N IsNumerical: N SingleToken: N Hierarchy: N IsHidden: N Name: LAUT FullName: Author - Last Description: Last Author of publication TermCount: IsDate: N IsNumerical: N SingleToken: Y Hierarchy: N IsHidden: N Name: PPDT FullName: Print Publication Date Description: Date of print publication TermCount: IsDate: Y IsNumerical: N SingleToken: Y Hierarchy: N IsHidden: Y Name: EPDT FullName: Electronic Publication Date Description: Date of Electronic publication TermCount: IsDate: Y IsNumerical: N SingleToken: Y Hierarchy: N IsHidden: Y Name: LID FullName: Location ID Description: ELocation ID TermCount: IsDate: N IsNumerical: N SingleToken: Y Hierarchy: N IsHidden: N Name: CRDT FullName: Date - Create Description: Date publication first accessible through Entrez TermCount: IsDate: Y IsNumerical: N SingleToken: Y Hierarchy: N IsHidden: N Name: BOOK FullName: Book Description: ID of the book that contains the document TermCount: IsDate: N IsNumerical: N SingleToken: Y Hierarchy: N IsHidden: N Name: ED FullName: Editor Description: Section's Editor TermCount: IsDate: N IsNumerical: N SingleToken: Y Hierarchy: N IsHidden: N Name: ISBN FullName: ISBN Description: ISBN TermCount: IsDate: N IsNumerical: N SingleToken: Y Hierarchy: N IsHidden: N Name: PUBN FullName: Publisher Description: Publisher's name TermCount: IsDate: N IsNumerical: N SingleToken: Y Hierarchy: N IsHidden: N Name: AUCL FullName: Author Cluster ID Description: Author Cluster ID TermCount: IsDate: N IsNumerical: N SingleToken: Y Hierarchy: N IsHidden: Y Name: EID FullName: Extended PMID Description: Extended PMID TermCount: IsDate: N IsNumerical: N SingleToken: Y Hierarchy: N IsHidden: Y Name: AUID FullName: Author - Identifier Description: Author Identifier TermCount: IsDate: N IsNumerical: N SingleToken: Y Hierarchy: N IsHidden: N Name: PS FullName: Subject - Personal Name Description: Personal Name as Subject TermCount: IsDate: N IsNumerical: N SingleToken: Y Hierarchy: N IsHidden: N Name: COIS FullName: Conflict of Interest Statements Description: Conflict of Interest Statements TermCount: IsDate: N IsNumerical: N SingleToken: N Hierarchy: N IsHidden: N Name: WORD FullName: Text Word Description: Free text associated with publication TermCount: IsDate: N IsNumerical: N SingleToken: N Hierarchy: N IsHidden: N Name: P1DAT FullName: P1DAT Description: Date publication first accessible through Solr TermCount: IsDate: Y IsNumerical: N SingleToken: Y Hierarchy: N IsHidden: Y LinkList: Name: pubmed_assembly Menu: Assembly Description: Assembly DbTo: assembly Name: pubmed_bioproject Menu: Project Links Description: Related Projects DbTo: bioproject Name: pubmed_biosample Menu: BioSample Links Description: BioSample links DbTo: biosample Name: pubmed_biosystems Menu: BioSystem Links Description: BioSystems DbTo: biosystems Name: pubmed_books_refs Menu: Cited in Books Description: PubMed links associated with Books DbTo: books Name: pubmed_cdd Menu: Conserved Domain Links Description: Link to related CDD entry DbTo: cdd Name: pubmed_clinvar Menu: ClinVar Description: Clinical variations associated with publication DbTo: clinvar Name: pubmed_clinvar_calculated Menu: ClinVar (calculated) Description: Clinical variations calculated to be associated with publication DbTo: clinvar Name: pubmed_dbvar Menu: dbVar Description: Link from PubMed to dbVar DbTo: dbvar Name: pubmed_gap Menu: dbGaP Links Description: Related dbGaP record DbTo: gap Name: pubmed_gds Menu: GEO DataSet Links Description: Related GEO DataSets DbTo: gds Name: pubmed_gene Menu: Gene Links Description: Link to related Genes DbTo: gene Name: pubmed_gene_bookrecords Menu: Gene (from Bookshelf) Description: Gene records in this citation DbTo: gene Name: pubmed_gene_citedinomim Menu: Gene (OMIM) Links Description: PubMed links to Gene derived from pubmed_omim_cited links DbTo: gene Name: pubmed_gene_pmc_nucleotide Menu: Gene (nucleotide/PMC) Description: Records in Gene identified from shared sequence and PMC links. DbTo: gene Name: pubmed_gene_rif Menu: Gene (GeneRIF) Links Description: Link to Gene for the GeneRIF subcategory DbTo: gene Name: pubmed_genome Menu: Genome Links Description: Published genome sequences DbTo: genome Name: pubmed_geoprofiles Menu: GEO Profile Links Description: GEO records associated with pubmed record DbTo: geoprofiles Name: pubmed_homologene Menu: HomoloGene Links Description: Related HomoloGene DbTo: homologene Name: pubmed_medgen Menu: MedGen Description: Related information in MedGen DbTo: medgen Name: pubmed_medgen_bookshelf_cited Menu: MedGen (Bookshelf cited) Description: Related records in MedGen based on citations in GeneReviews and Medical Genetics Summaries DbTo: medgen Name: pubmed_medgen_genereviews Menu: MedGen (GeneReviews) Description: Related MedGen records DbTo: medgen Name: pubmed_medgen_omim Menu: MedGen (OMIM) Description: Related information in MedGen (OMIM) DbTo: medgen Name: pubmed_nuccore Menu: Nucleotide Links Description: Published Nucleotide sequences DbTo: nuccore Name: pubmed_nuccore_refseq Menu: Nucleotide (RefSeq) Links Description: Link to Nucleotide RefSeqs DbTo: nuccore Name: pubmed_nuccore_weighted Menu: Nucleotide (Weighted) Links Description: Links to nuccore DbTo: nuccore Name: pubmed_omim_bookrecords Menu: OMIM (from Bookshelf) Description: OMIM records in this citation DbTo: omim Name: pubmed_omim_calculated Menu: OMIM (calculated) Links Description: OMIM (calculated) Links DbTo: omim Name: pubmed_omim_cited Menu: OMIM (cited) Links Description: OMIM (cited) Links DbTo: omim Name: pubmed_pcassay Menu: PubChem BioAssay Description: Related PubChem BioAssay DbTo: pcassay Name: pubmed_pccompound Menu: PubChem Compound Description: Related PubChem Compound DbTo: pccompound Name: pubmed_pccompound_mesh Menu: PubChem Compound (MeSH Keyword) Description: Related PubChem Compound via MeSH DbTo: pccompound Name: pubmed_pccompound_publisher Menu: PubChem Compound (Publisher) Description: Publisher deposited structures linked to PubChem Compound DbTo: pccompound Name: pubmed_pcsubstance Menu: PubChem Substance Links Description: Related PubChem Substance DbTo: pcsubstance Name: pubmed_pcsubstance_bookrecords Menu: PubChem Substance (from Bookshelf) Description: Structures in the PubChem Substance database in this citation DbTo: pcsubstance Name: pubmed_pcsubstance_publisher Menu: PubChem Substance (Publisher) Description: PubChem Substances supplied by publisher DbTo: pcsubstance Name: pubmed_pmc Menu: PMC Links Description: Free full text articles in PMC DbTo: pmc Name: pubmed_pmc_bookrecords Menu: References in PMC for this Bookshelf citation Description: Full text of articles in PubMed Central cited in this record DbTo: pmc Name: pubmed_pmc_embargo Menu: Description: Embargoed PMC article associated with PubMed DbTo: pmc Name: pubmed_pmc_local Menu: Description: Free full text articles in PMC DbTo: pmc Name: pubmed_pmc_refs Menu: Cited in PMC Description: PubMed links associated with PMC DbTo: pmc Name: pubmed_popset Menu: PopSet Links Description: Published population set DbTo: popset Name: pubmed_probe Menu: Probe Links Description: Related Probe entry DbTo: probe Name: pubmed_protein Menu: Protein Links Description: Published protein sequences DbTo: protein Name: pubmed_protein_refseq Menu: Protein (RefSeq) Links Description: Link to Protein RefSeqs DbTo: protein Name: pubmed_protein_weighted Menu: Protein (Weighted) Links Description: Links to protein DbTo: protein Name: pubmed_proteinclusters Menu: Protein Cluster Links Description: Related Protein Clusters DbTo: proteinclusters Name: pubmed_protfam Menu: Protein Family Models Description: Protein family models supported by a particular publication DbTo: protfam Name: pubmed_pubmed Menu: Similar articles Description: Similar PubMed articles, obtained by matching text and MeSH terms DbTo: pubmed Name: pubmed_pubmed_alsoviewed Menu: Articles frequently viewed together Description: Articles frequently viewed together DbTo: pubmed Name: pubmed_pubmed_bookrecords Menu: References for this Bookshelf citation Description: PubMed abstracts for articles cited in this record DbTo: pubmed Name: pubmed_pubmed_refs Menu: References for PMC Articles Description: References for this PMC Article DbTo: pubmed Name: pubmed_snp Menu: SNP Links Description: PubMed to SNP links DbTo: snp Name: pubmed_snp_cited Menu: SNP (Cited) Description: Related SNP (Cited) records DbTo: snp Name: pubmed_sra Menu: SRA Links Description: Links to Short Read Archive Experiments DbTo: sra Name: pubmed_structure Menu: Structure Links Description: Published 3D structures DbTo: structure Name: pubmed_taxonomy_entrez Menu: Taxonomy via GenBank Description: Related Taxonomy entry computed using other Entrez links DbTo: taxonomy

我们重点看一下这三个键值对：

record['DbInfo']['Description'], record['DbInfo']['Count'], record['DbInfo']['LastUpdate']

我们可以发现，截止到现在（2025.12.12），Pubmed中的文献记录也才4千万条左右，一个博士研究生可能4~5年左右也就大概看个1k篇左右的文献，总结就是文献是看不完的，就算筛选特定领域这个数目也是非常大的。

通过 record[“DbInfo”].keys() 可以获取存储在这个记录里面的其他信息。这里面最有用的信息之一是一个ESearch可用的 搜索值列表：就是fieldlist

forfieldinrecord["DbInfo"]["FieldList"]:print("%(Name)s——%(FullName)s——%(Description)s"%field)

都是一些对于pubmed检索来说比较重要的字段：

这是一个很长的列表，但是间接的告诉你在使用PubMed的时候，你可以通过 Jones[AUTH] 搜索作者，或者通过 Sanger[AFFL] 将作者范围限制在Sanger Centre。这个会非常方便，特别是在你对某个数据库不太熟悉的时候。

ALL——All Fields——All terms from all searchable fields UID——UID——Unique number assigned to publication FILT——Filter——Limits the records TITL——Title——Words in title of publication MESH——MeSH Terms——Medical Subject Headings assigned to publication MAJR——MeSH Major Topic——MeSH terms of major importance to publication JOUR——Journal——Journal abbreviation of publication AFFL——Affiliation——Author's institutional affiliation and address ECNO——EC/RN Number——EC number for enzyme or CAS registry number SUBS——Supplementary Concept——CAS chemical name or MEDLINE Substance Name PDAT——Date - Publication——Date of publication EDAT——Date - Entry——Date publication first accessible through Entrez VOL——Volume——Volume number of publication PAGE——Pagination——Page number(s) of publication PTYP——Publication Type——Type of publication (e.g., review) LANG——Language——Language of publication ISS——Issue——Issue number of publication SUBH——MeSH Subheading——Additional specificity for MeSH term SI——Secondary Source ID——Cross-reference from publication to other databases MHDA——Date - MeSH——Date publication was indexed with MeSH terms TIAB——Title/Abstract——Free text associated with Abstract/Title OTRM——Other Term——Other terms associated with publication COLN——Author - Corporate——Corporate Author of publication CNTY——Place of Publication——Country of publication PAPX——Pharmacological Action——MeSH pharmacological action pre-explosions GRNT——Grants and Funding——NIH Grant Numbers MDAT——Date - Modification——Date of last modification CDAT——Date - Completion——Date of completion PID——Publisher ID——Publisher ID FAUT——Author - First——First Author of publication FULL——Author——Full Author Name(s) of publication FINV——Investigator——Full name of investigator TT——Transliterated Title——Words in transliterated title of publication LAUT——Author - Last——Last Author of publication PPDT——Print Publication Date——Date of print publication EPDT——Electronic Publication Date——Date of Electronic publication LID——Location ID——ELocation ID CRDT——Date - Create——Date publication first accessible through Entrez BOOK——Book——ID of the book that contains the document ED——Editor——Section's Editor ISBN——ISBN——ISBN PUBN——Publisher——Publisher's name AUCL——Author Cluster ID——Author Cluster ID EID——Extended PMID——Extended PMID AUID——Author - Identifier——Author Identifier PS——Subject - Personal Name——Personal Name as Subject COIS——Conflict of Interest Statements——Conflict of Interest Statements WORD——Text Word——Free text associated with publication P1DAT——P1DAT——Date publication first accessible through Solr

5，ESearch: 搜索Entrez数据库

我们可以使用 Bio.Entrez.esearch() 来搜索任意的数据库。例如，我们在PubMed中搜索跟IDR相关的文献：

handle=Entrez.esearch(db="pubmed",term="idr")record=Entrez.read(handle)

奇怪的是这里只返回20个pubmed ID，我一开始还乍一以为是idr这个term只能搜到20篇文献，但是猛的一看count都有3千多篇，而且我还设置了RetMax，所以只是限制返回的数目罢了，可以手动修改。

我们可以通过 EFetch来获取这些Pubmed IDs文献。

此处我们使用Efetch，一些参数设置细节参考NCBI官网https://www.ncbi.nlm.nih.gov/books/NBK25499/table/chapter4.T._valid_values_of__retmode_and/?report=objectonly

比如说我这里随便以41378882这个ID作为例子去解析，我们先返回Abstract类型看看：

handle=Entrez.efetch(db="pubmed",id="41378882",rettype="abstract",retmode="text")print(handle.read())# 注意因为上面retmode是text, 所以不需要handle再从XML解析了

看起来返回的结果确实是挺像abstract的，而且文章也很新，

我把主要的内容拉下来放在下面

1.Brief Bioinform.2025Nov1;26(6):bbaf662.doi:10.1093/bib/bbaf662.Impact of intrinsically disordered regionsandfunctional disorder hotspotsinthe human kinome.Thomas SD(1),Rajan A(1),Mahin A(1),Ahmed M(2),Pavithra S(3),Vignesh U(3),Joy N(1),John L(1)(4),Varghese L(1),Sambreena A(1),Codi JAK(1),Prasad TSK(1),Vijayakumar M(1),Geetha S(3),Parvathi R(3),Ganesan R(3),Raju R(1).Author information:(1)CentreforIntegrative Omics Data Science(CIODS),CentreforSystems BiologyandMolecular Medicine,Yenepoya(Deemed to be University),Deralakatte,Manglore575018,Karnataka,India.(2)Department of Zoology,College of Science,King Saud University,P.O.Box2455,Riyadh Province,Riyadh11451,Kingdom of Saudi Arabia.(3)School of Computer ScienceandEngineering,Vellore Institute of Technology,Chennai600127,Tamil Nadu,India.(4)InstituteforRegenerationandRepair,University of Edinburgh,Edinburgh EH16 4UU,Scotland.A ubiquitousandreversible phosphorylationisimportantformolecular signaling cascades,regulated by the transient interaction of protein kinases.The coupled foldingandphosphorylation determining substrate specificity re-calibrates the interactive environment of intrinsically disordered regions(IDRs).There are over50computational methodsforpredicting IDRsinthe proteome,yet achieving an accurate depiction remains an ongoing challenge.In this study,we present a standardizedandkinase-centric approachforIDR prediction within the human kinome,employing alongshort-term memory deep learning framework that achieves a high predictive performance(AUC=0.97).The web serverisnow publicly accessible at:https://ciods.in/kindisorder.Our workflow beginswithproteome-wide IDR predictionandproceedswiththe categorization of shortandlongIDR segments,followed by anin-depth analysis of their distribution relative to the kinase domain regulatory core.We evaluated the conservation of these IDRs acrossall137human kinase families,computing a trend-setting conservation index to identify both conservedandvariable disorder patterns.Through this framework,we uncovered1039functional disorder region hotspots that correlatewithdynamic conformational shifts,phosphorylation sites,functional motif enrichment,andmutation impact embedded within IDRs.To further validate their regulatory significance,we conducted biophysical profiling of conservedandvariable IDRs.Finally,we developed a structural integrity framework to link these IDRs to their influence on intrinsic signaling cascadesandsubstrate specificity.This study offers a comprehensive functional characterization of IDRsinthe human kinome,providing a valuable resourceforexploring kinase regulationandopportunitiesindrug repurposing.© The Author(s)2025.Published by Oxford University Press.DOI:10.1093/bib/bbaf662 PMID:41378882[IndexedforMEDLINE]

其实我们肉眼就能够看出来，实际上的abstract有用的只有这么一小段

A ubiquitousandreversible phosphorylationisimportantformolecular signaling cascades,regulated by the transient interaction of protein kinases.The coupled foldingandphosphorylation determining substrate specificity re-calibrates the interactive environment of intrinsically disordered regions(IDRs).There are over50computational methodsforpredicting IDRsinthe proteome,yet achieving an accurate depiction remains an ongoing challenge.In this study,we present a standardizedandkinase-centric approachforIDR prediction within the human kinome,employing alongshort-term memory deep learning framework that achieves a high predictive performance(AUC=0.97).The web serverisnow publicly accessible at:https://ciods.in/kindisorder.Our workflow beginswithproteome-wide IDR predictionandproceedswiththe categorization of shortandlongIDR segments,followed by anin-depth analysis of their distribution relative to the kinase domain regulatory core.We evaluated the conservation of these IDRs acrossall137human kinase families,computing a trend-setting conservation index to identify both conservedandvariable disorder patterns.Through this framework,we uncovered1039functional disorder region hotspots that correlatewithdynamic conformational shifts,phosphorylation sites,functional motif enrichment,andmutation impact embedded within IDRs.To further validate their regulatory significance,we conducted biophysical profiling of conservedandvariable IDRs.Finally,we developed a structural integrity framework to link these IDRs to their influence on intrinsic signaling cascadesandsubstrate specificity.This study offers a comprehensive functional characterization of IDRsinthe human kinome,providing a valuable resourceforexploring kinase regulationandopportunitiesindrug repurposing.

现在，我们正式在网页上检索看看，PMID: 41378882到底是不是这样的内容

注意，我们按照下面这种方式去检索

https://pubmed.ncbi.nlm.nih.gov/41378882/# 也就是https://pubmed.ncbi.nlm.nih.gov/{PMID}/

经过我本人的比对check，

我们可以发现，其实是大差不差的，一些格式上不一致，但是无伤大雅，重要的一些文献中的数据都是一致的

但是比较可惜的是，没有把这个keyword给扒取下来，

不然到时可以做文献集合的词云图，然后一些关键概念就可以收集起来，放在文献检索库里了。

总体来说还是不错的：因为是字符串对象，我们可以用上python强大的字符串处理工具，编写各种下游处理脚本，甚至可以再embedding化。

我们再来试一下Medline类型看看：

handle=Entrez.efetch(db="pubmed",id="41378882",rettype="medline",retmode="text")print(handle.read())

整体的记录格式会更简洁一点，

PMID-41378882OWN-NLM STAT-MEDLINE DCOM-20251211LR-20251211IS-1477-4054(Electronic)IS-1467-5463(Linking)VI-26IP-6DP-2025Nov1TI-Impact of intrinsically disordered regionsandfunctional disorder hotspotsinthe human kinome.LID-bbaf662[pii]LID-10.1093/bib/bbaf662[doi]AB-A ubiquitousandreversible phosphorylationisimportantformolecular signaling cascades,regulated by the transient interaction of protein kinases.The coupled foldingandphosphorylation determining substrate specificity re-calibrates the interactive environment of intrinsically disordered regions(IDRs).There are over50computational methodsforpredicting IDRsinthe proteome,yet achieving an accurate depiction remains an ongoing challenge.In this study,we present a standardizedandkinase-centric approachforIDR prediction within the human kinome,employing alongshort-term memory deep learning framework that achieves a high predictive performance(AUC=0.97).The web serverisnow publicly accessible at:https://ciods.in/kindisorder.Our workflow beginswithproteome-wide IDR predictionandproceedswiththe categorization of shortandlongIDR segments,followed by anin-depth analysis of their distribution relative to the kinase domain regulatory core.We evaluated the conservation of these IDRs acrossall137human kinase families,computing a trend-setting conservation index to identify both conservedandvariable disorder patterns.Through this framework,we uncovered1039functional disorder region hotspots that correlatewithdynamic conformational shifts,phosphorylation sites,functional motif enrichment,andmutation impact embedded within IDRs.To further validate their regulatory significance,we conducted biophysical profiling of conservedandvariable IDRs.Finally,we developed a structural integrity framework to link these IDRs to their influence on intrinsic signaling cascadesandsubstrate specificity.This study offers a comprehensive functional characterization of IDRsinthe human kinome,providing a valuable resourceforexploring kinase regulationandopportunitiesindrug repurposing.CI-(c)The Author(s)2025.Published by Oxford University Press.FAU-Thomas,Sonet Daniel AU-Thomas SD AD-CentreforIntegrative Omics Data Science(CIODS),CentreforSystems BiologyandMolecular Medicine,Yenepoya(Deemed to be University),Deralakatte,Manglore575018,Karnataka,India.FAU-Rajan,Aparna AU-Rajan A AD-CentreforIntegrative Omics Data Science(CIODS),CentreforSystems BiologyandMolecular Medicine,Yenepoya(Deemed to be University),Deralakatte,Manglore575018,Karnataka,India.FAU-Mahin,Althaf AU-Mahin A AD-CentreforIntegrative Omics Data Science(CIODS),CentreforSystems BiologyandMolecular Medicine,Yenepoya(Deemed to be University),Deralakatte,Manglore575018,Karnataka,India.FAU-Ahmed,Mukthar AU-Ahmed M AD-Department of Zoology,College of Science,King Saud University,P.O.Box2455,Riyadh Province,Riyadh11451,Kingdom of Saudi Arabia.FAU-Pavithra,S AU-Pavithra S AD-School of Computer ScienceandEngineering,Vellore Institute of Technology,Chennai600127,Tamil Nadu,India.FAU-Vignesh,U AU-Vignesh U AD-School of Computer ScienceandEngineering,Vellore Institute of Technology,Chennai600127,Tamil Nadu,India.FAU-Joy,Naveen AU-Joy N AD-CentreforIntegrative Omics Data Science(CIODS),CentreforSystems BiologyandMolecular Medicine,Yenepoya(Deemed to be University),Deralakatte,Manglore575018,Karnataka,India.FAU-John,Levin AU-John L AD-CentreforIntegrative Omics Data Science(CIODS),CentreforSystems BiologyandMolecular Medicine,Yenepoya(Deemed to be University),Deralakatte,Manglore575018,Karnataka,India.AD-InstituteforRegenerationandRepair,University of Edinburgh,Edinburgh EH16 4UU,Scotland.FAU-Varghese,Lijin AU-Varghese L AD-CentreforIntegrative Omics Data Science(CIODS),CentreforSystems BiologyandMolecular Medicine,Yenepoya(Deemed to be University),Deralakatte,Manglore575018,Karnataka,India.FAU-Sambreena,Alimath AU-Sambreena A AD-CentreforIntegrative Omics Data Science(CIODS),CentreforSystems BiologyandMolecular Medicine,Yenepoya(Deemed to be University),Deralakatte,Manglore575018,Karnataka,India.FAU-Codi,Jalaluddin Akbar Kandel AU-Codi JAK AD-CentreforIntegrative Omics Data Science(CIODS),CentreforSystems BiologyandMolecular Medicine,Yenepoya(Deemed to be University),Deralakatte,Manglore575018,Karnataka,India.FAU-Prasad,Thottethodi Subrahmanya Keshava AU-Prasad TSK AD-CentreforIntegrative Omics Data Science(CIODS),CentreforSystems BiologyandMolecular Medicine,Yenepoya(Deemed to be University),Deralakatte,Manglore575018,Karnataka,India.FAU-Vijayakumar,Manavalan AU-Vijayakumar M AD-CentreforIntegrative Omics Data Science(CIODS),CentreforSystems BiologyandMolecular Medicine,Yenepoya(Deemed to be University),Deralakatte,Manglore575018,Karnataka,India.FAU-Geetha,S AU-Geetha S AD-School of Computer ScienceandEngineering,Vellore Institute of Technology,Chennai600127,Tamil Nadu,India.FAU-Parvathi,R AU-Parvathi R AD-School of Computer ScienceandEngineering,Vellore Institute of Technology,Chennai600127,Tamil Nadu,India.FAU-Ganesan,R AU-Ganesan R AD-School of Computer ScienceandEngineering,Vellore Institute of Technology,Chennai600127,Tamil Nadu,India.FAU-Raju,Rajesh AU-Raju R AUID-ORCID:0000-0003-2319-121X AD-CentreforIntegrative Omics Data Science(CIODS),CentreforSystems BiologyandMolecular Medicine,Yenepoya(Deemed to be University),Deralakatte,Manglore575018,Karnataka,India.LA-eng PT-Journal Article PL-England TA-Brief Bioinform JT-Briefingsinbioinformatics JID-100912837RN-0(Intrinsically Disordered Proteins)RN-EC2.7.-(Protein Kinases)RN-0(Proteome)SB-IM MH-Humans MH-*Intrinsically Disordered Proteins/chemistry/metabolism/genetics MH-*Protein Kinases/chemistry/metabolism/genetics MH-Phosphorylation MH-Deep Learning MH-Computational Biology/methods MH-*Proteome/metabolism/chemistry OTO-NOTNLM OT-IDR conformationmapOT-functional disorder hotspots OT-human kinome OT-longshort-term memory EDAT-2025/12/1113:04MHDA-2025/12/1113:05CRDT-2025/12/1109:04PHST-2025/06/0400:00[received]PHST-2025/10/2500:00[revised]PHST-2025/11/1800:00[accepted]PHST-2025/12/1113:05[medline]PHST-2025/12/1113:04[pubmed]PHST-2025/12/1109:04[entrez]AID-8377154[pii]AID-10.1093/bib/bbaf662[doi]PST-ppublish SO-Brief Bioinform.2025Nov1;26(6):bbaf662.doi:10.1093/bib/bbaf662.

还记得左边的这个field字段吗？是不是有点眼熟，其实和前面einfo中抓取pubmed的fieldlist中的元素内容有点像，

handle1=Entrez.einfo(db="pubmed")record1=Entrez.read(handle1)forfieldinrecord1["DbInfo"]['FieldList']:print("%(Name)s——%(FullName)s——%(Description)s"%field)

总之，medline类型返回的数据比abstract多，而且格式更加友好，

而且有些信息是显然对于我们从文献整理角度来看是非常有用的：

而且摘要我们可以直接从关键词上摘取：

再举一个例子，我们可以通过Esearch来搜索GenBank，此处以在人类中搜索BRCA1 gene为例，快速展示一下：

handle=Entrez.esearch(db="nucleotide",term="BRCA1[Gene] AND human[Organism]")record=Entrez.read(handle)handle.close()record

另外官网还有一个例子，参考：https://biopython-cn.readthedocs.io/zh-cn/latest/cn/chr09.html#sec-efetch

ESearch有很多有用的参数，具体可以参考Entrez官网使用说明：https://www.ncbi.nlm.nih.gov/books/NBK25499/#chapter4.ESearch

6，EPost: 上传identifiers的列表

具体细节参考官网：https://www.ncbi.nlm.nih.gov/books/NBK25499/#chapter4.EPost

EPost上传在后续搜索中将会用到的IDs的列表，通过 Bio.Entrez.epost() 函数可以在Biopython中实现。

就像前面我们在LibInspector模块结果解析中看到的那样，Epost本质上是将包含一组标识符（UIDs，如 PubMed 的 PMID、Protein 的 GI 号或 accession.version 等）的文件上传至 Entrez History 服务器，以便后续搜索策略（如 ESearch、EFetch、ELink 等操作）直接调用这组标识符，无需重复输入，提升效率。

参考官网：https://biopython-cn.readthedocs.io/zh-cn/latest/cn/chr09.html#sec-efetch

给出了一个简单的例子来看看EPost是如何工作的——上传了一些PubMed的IDs：

返回的XML包含了两个重要的字符串， QueryKey 和 WebEnv ，两个字符串一起确定了之前的历史记录。

我们可以使用其他的Entrez工具，例如EFetch，来提取这些值：

search_results=Entrez.read(Entrez.epost("pubmed",id=",".join(id_1ist)))print(search_results)webenv,query_key=search_results["WebEnv"],search_results["QueryKey"]print(webenv,query_key)

关于如何使用历史history的特性，我们会在后面进行介绍

7，ESummary: 通过主要的IDs来获取摘要

ESummary可以通过一个primary IDs来获取文章的摘要，详细细节可以参考官网：https://www.ncbi.nlm.nih.gov/books/NBK25499/#chapter4.ESummary。

在Biopython中，ESummary以 Bio.Entrez.esummary() 的形式出现。

我这里随便举一个例子，比如说获取ID为30367的pubmed文献相关的更多信息：

record[0]['Id'], record[0]['Title'], record[0]['Source'], record[0]['PubDate']

8，EFetch: 从Entrez下载更多的记录

当我们想要从Entrez中提取完整的记录的时候，我们可以使用EFetch。

具体细节，可以参考官网

https://www.ncbi.nlm.nih.gov/books/NBK25499/#chapter4.EFetch

其并不支持所有数据库，

具体支持的哪些数据库，可以参考：

https://www.ncbi.nlm.nih.gov/books/NBK25497/#chapter2.T._entrez_unique_identifiers_ui

我拉出来给大家看，就是下面的这些数据库是支持的：

因为我们这里只是尝试pubmed，是支持的

NCBI大部分的数据库都支持多种不同的文件格式。当使用 Bio.Entrez.efetch() 从Entrez下载特定的某种格式的时候， 需要 rettype 和或者 retmode 这些可选的参数。对于不同数据库类型不同的搭配在下面的网页中有描述：

https://www.ncbi.nlm.nih.gov/books/NBK25499/#chapter4.EFetch

这个其实前面也提到过，现在我拉下来给大家看一下：

一种常用的用法是下载FASTA或者GenBank/GenPept的文本格式 (接着可以使用 Bio.SeqIO 来解析），

此处还是以我们前面Esearch中检索的BRCA1 gene为例，

handle=Entrez.esearch(db="nucleotide",term="BRCA1[Gene] AND human[Organism]")record=Entrez.read(handle)handle.close()record

因为要用到id，所以我们这里随便取1个：

就取第一个作为例子

现在我们来看一下：

参数 rettype=“gb” 和 retmode=“text” 让我们下载的数据为GenBank格式。

handle=Entrez.efetch(db="nucleotide",id='3070263245',rettype="gb",retmode="text")record=handle.read()handle.close()print(record)

完整的信息拉下来：

可以发现信息还是挺全的，时间也比较新，是今年2025年的，也给出了fasta序列。

LOCUS PX436992350bp DNA linear PRI 07-OCT-2025 DEFINITION Homo sapiens isolate AB17 BRCA1 protein(BRCA1)gene, partial cds. ACCESSION PX436992 VERSION PX436992.1 KEYWORDS.SOURCE Homo sapiens(human)ORGANISM Homo sapiens Eukaryota;Metazoa;Chordata;Craniata;Vertebrata;Euteleostomi;Mammalia;Eutheria;Euarchontoglires;Primates;Haplorrhini;Catarrhini;Hominidae;Homo. REFERENCE1(bases1to350)AUTHORS Abbas,A.F., Al-Shawi,A.A. and Ali,D.S. TITLE Direct Submission JOURNAL Submitted(27-SEP-2025)Department of Chemistry, University of Basrah, Dur Al Thabat, Al Zubair, Basrah +964, Iraq COMMENT##Assembly-Data-START##Sequencing Technology :: Sanger dideoxy sequencing##Assembly-Data-END##FEATURES Location/Qualifierssource1..350/organism="Homo sapiens"/mol_type="genomic DNA"/isolate="AB17"/db_xref="taxon:9606"/chromosome="17"/geo_loc_name="Iraq: Basrah"/collection_date="2025-04-01"/collected_by="Ali Falih Abbas"gene<1..>350/gene="BRCA1"mRNA<30..>113/gene="BRCA1"/product="BRCA1 protein"CDS<30..>113/gene="BRCA1"/note="breast cancer 1, early onset"/codon_start=1/product="BRCA1 protein"/protein_id="YAW76721.1"/translation="HDFEVRGDVVNGRNHQGPKRARESQDRK"ORIGIN1cctgatgggt tgtgtttggt ttctttcagc atgattttga agtcagagga gatgtggtca61atggaagaaa ccaccaaggt ccaaagcgag caagagaatc ccaggacaga aaggtaaagc121tccctccctc aagttgacaa aaatctcacc ccaccactct gtattccact cccctttgca181gagatgggcc gcttcatttt gtaagactta ttacatacat acacagtgct agatactttc241acacaggttc ttttttcact cttccatccc aaccacataa ataagtattg tctctacttt301atgaatgata aaactaagag atttagagag gctgtgtatt ggggattccc //

需要注意的是直到2009年，Entrez EFetch API要求使用 “genbank” 作为返回类型，然而现在NCBI坚持使用官方的 “gb” 或 “gbwithparts” （或者针对蛋白的“gp”) 返回类型。同样需要注意的是，直到2012年2月， Entrez EFetch API默认的返回格式为纯文本格式文件，现在默认的为XML格式。

作为另外的选择，我们也可以使用 rettype=“fasta” 来获取Fasta格式的文件；

细节还是参考官网参数返回类型：https://www.ncbi.nlm.nih.gov/books/NBK25499/#chapter4.EFetch

也就是我上面拉下来的那一个长长的表格。

总之记住，可选的数据格式决定于我们要下载的数据库，我们要下载nucleotide，大概率就是返回gb；我们要下载pubmed，大概率就是返回text。

因为我们这里用的是BioPython，如果我们要获取记录的格式是Bio.SeqIO所接受的一种格式（详情参考biopython中的SeqIO模块，主要负责序列处理的输入输出，https://biopython-cn.readthedocs.io/zh-cn/latest/cn/chr05.html#chapter-bio-seqio）。

那么我们可以直接将其解析为一个 SeqRecord ：

from BioimportEntrez, SeqIO Entrez.email="Your email"# Always tell NCBI who you arehandle=Entrez.efetch(db="nucleotide",id='3070263245',rettype="gb",retmode="text")record=SeqIO.read(handle,"genbank")handle.close()print(record)

完整的内容如下：

ID: PX436992.1 Name: PX436992 Description: Homo sapiens isolate AB17 BRCA1 protein(BRCA1)gene, partial cds Number of features:4/molecule_type=DNA /topology=linear /data_file_division=PRI /date=07-OCT-2025 /accessions=['PX436992']/sequence_version=1/keywords=['']/source=Homo sapiens(human)/organism=Homo sapiens /taxonomy=['Eukaryota','Metazoa','Chordata','Craniata','Vertebrata','Euteleostomi','Mammalia','Eutheria','Euarchontoglires','Primates','Haplorrhini','Catarrhini','Hominidae','Homo']/references=[Reference(title='Direct Submission',...)]/structured_comment=defaultdict(<class'dict'>,{'Assembly-Data':{'Sequencing Technology':'Sanger dideoxy sequencing'}})Seq('CCTGATGGGTTGTGTTTGGTTTCTTTCAGCATGATTTTGAAGTCAGAGGAGATG...CCC')

需要注意的是，一种更加典型的用法是先把序列数据保存到一个本地文件，然后 使用 Bio.SeqIO 来解析。这样就避免了 在运行脚本的时候需要重复的下载同样的文件，并减轻NCBI服务器的负载。

我们还是用前面的BRCA1的第1个id为例：

importos from BioimportEntrez, SeqIO Entrez.email="your email"# Always tell NCBI who you arefilename="gi_3070263245.gbk"ifnot os.path.isfile(filename):# Downloading...net_handle=Entrez.efetch(db="nucleotide",id="3070263245",rettype="gb",retmode="text")out_handle=open(filename,"w")out_handle.write(net_handle.read())out_handle.close()net_handle.close()print("Saved")print("Parsing...")record=SeqIO.read(filename,"genbank")print(record)

其实就是filename先存好了，后续访问会方便一点。

因为所有数据库都可以返回XML格式，并进一步解析为python中的对线，所以我们也可以试一下：

fromBioimportEntrez handle=Entrez.efetch(db="nucleotide",id="3070263245",retmode="xml")record=Entrez.read(handle)handle.close()print(record)

就像这样处理数据。例如解析其他数据库特异的文件格式（例如，PubMed中用到的 MEDLINE 格式）。

如果我们想使用 Bio.Entrez.esearch() 进行搜索，然后用 Bio.Entrez.efetch() 下载数据，那么我们需要用到 WebEnv的历史特性，就像上一节我提到的那样。

9，ELink: 在NCBI Entrez中搜索相关的条目

ELink，在Biopython中是 Bio.Entrez.elink() ，可以用来在NCBI Entrez数据库中寻找相关的条目。例如，我们以使用它在gene数据库中寻找核苷酸条目，或者其他很酷的事情。

此处，让我们用Elink来检索一篇PMID为40403066的文章，这篇文章是今年的一篇Science，

pmid="40403066"record=Entrez.read(Entrez.elink(db="pubmed",id=pmid))# 也可以写成handle再read解析print(record)

变量 record 包含了一个Python列表，列出了已经搜索过的数据库。因为我们特指了一个PubMed ID来搜索，所以 record 只包含了一个条目。这个条目是一个字典变量，包含了我们需要寻找的条目的信息，以及能搜索到的所有相关 的内容：

键 “LinkSetDb” 包含了搜索结果，将每个目标数据库保存为一个列表。在我们这个搜索中，我们只在PubMed数据库 中找到了结果（尽管已经被分到了不同的分类）：

forlinksetdbinrecord[0]['LinkSetDb']: print(f"Database: {linksetdb['DbTo']}, linknames: {linksetdb['LinkName']}, number of links: {len(linksetdb['Link'])}")

这其中有几个数据比较重要，首先是refs也就是引用的参考文献，这里的代码显示是69条，也就是说引用了69篇文献。

具体我们去https://pubmed.ncbi.nlm.nih.gov/40403066/ check一下：

整体显示有84篇引用文献，但是实际上我们看到有些引用文献是没有pubmed检索号的，所以可能refs没有统计进去，那么我亲自check了一下，发现一共有pubmed检索号的是70篇文献，

最后一篇索引号其实就是自己

所以，确实是69篇！

具体来说，这69篇索引逻辑是指收录在pubmed里的引用文献一共有69个，也就是说：

pubmed_pubmed_refs返回的 “69 篇”指的是 NCBI 在 PubMed→PubMed 的引用链接里，能够成功匹配到对方记录（有 PMID 且被 PubMed 收录并建立了引用关系）的那一部分参考文献。其余参考文献并不一定“检索不到”，而是不能通过这条elink的 PubMed 内部引用链接直接拿到 PMID。

常见原因：

• 参考文献本身不在 PubMed 收录范围内：书籍章节、会议摘要、学位论文、部分期刊/年代久远文献、非 MEDLINE 收录来源等 → 没有 PMID，自然不会出现在pubmed_pubmed_refs。
• 引用条目类型不是传统论文：dataset、software、supporting data、专利、网页等 → 通常也没有 PMID。
• 有 PMID 但引用解析/匹配没建立链接：出版社元数据未提供、引用格式不规范、同名同刊歧义、NCBI 尚未完成引用关系抽取/更新 → 可能“在 PubMed 能搜到”，但elink不一定给出。
• 我们看到的“84 条参考文献”是文章正文参考文献总数；而elink是 NCBI 的结构化链接集合，两者口径不同很正常。

如果我们想要拿到完整的参考文献列表，也就是包含那些没有PMID的条目，应该怎么做？

我们可以直接 efetch 取该 PMID 的 XML，然后再慢慢找哪些条目key是和reference相关的。

那么同样的，另外一个比较重要的就是他引了，我们想要看看这篇文献的基础上，其他人最新做了一些什么工作，那么就是看citation了。

从上面的结果中我们可以看到pubmed中的他引是18篇，

参考：https://pubmed.ncbi.nlm.nih.gov/?linkname=pubmed_pubmed_citedin&from_uid=40403066

pubmed中显示是19篇，但是第一篇是自引不算，所以确实在pubmed中是18篇，当然其他非pubmed中，我们就不确定了，只能说我们获取的是一个子集数据。

但是至少，我们能够用Entrez Direct以及这个套壳的Biopython API，去获取我们感兴趣文献的大部分最新他引文献，这对于我们做文献调研非常有用。

现在回到我们前面讨论的LinkSetDb，实际的搜索结果被保存在键值为 “Link” 的字典下。

就像我们前面返回的结果所提示的那样，在标准搜索下，总共找到了100个条目, 现在让我们看看我们第一个的搜索结果:

record[0]['LinkSetDb'][0]['Link'][0]

是不是很眼熟，没错，就是我们搜索的这篇文献本身！

这个就是我们搜索的文章，从中并不能看到更多的结果，所以让我们来看看我们的第二个搜索结果：

让我们来看看这篇PMID为40574713的文献到底是什么：

当然，我们可以通过一个循环来打印出所有的PubMed IDs：

然后每一个link我们有了id，可以再用前面提到的Efetch。

但是对我个人而言，我对某篇文章是否被引用过更感兴趣，其实Elink也可以完成这个任务，至少对PubMed Central的杂志来说是这样的（但是引用全不全面，见我上面的那个例子）。

同样的，如果要深入细节，建议参考官网：https://www.ncbi.nlm.nih.gov/books/NBK25499/#chapter4.ELink

还有一个关于link name的整个子页面的详细参考，主要是描述了不同的数据库可以怎样交叉的索引：https://eutils.ncbi.nlm.nih.gov/corehtml/query/static/entrezlinks.html

这其中有家浙江这让我们

整体是

10，EGQuery: 全局搜索- 统计搜索的条目

EGQuery提供搜索字段在每个Entrez数据库中的数目。当我们只需要知道在每个数据库中能找到的条目的个数， 而不需要知道具体搜索结果的时候，这个非常的有用。

但是，就像我们前面用LibInspector看到的那样，这个工具NCBI官方已经不再支持了。

11，ESpell: 获得拼写建议

ESpell可以检索拼写建议。在这个例子中，我们使用 Bio.Entrez.espell() 来获得alphafold正确的拼写，

就像我们前面从LibInspector中看到的那个例子一样：

如果我一不小心在检索的时候敲了一个"Alphaffold"进去，

handle=Entrez.espell(term="Alphaffold")record=Entrez.read(handle)print(record)

错误输入 vs 正确拼写

二，Entrez Direct

就像前面说的那样，BioPython中的Entrez模块是对Entrez Direct的套壳，

熟悉python的可以直接投入BioPython，或者用python自己的XML解析模块解析Entrez Direct返回的内容；熟悉Awk之类shell脚本语言的，可以直接上手Entrez Direct，其本身也有一套类似体系的脚本语言形式。

毕竟biopython是套壳，我们要获取第一手资料，还是得了解NCBI官方的实现工具。

因为详细的Entrez Programming Utilities一整套有很多要学，

和本篇博客相关的，我认为重要的只有Entrez Direct，核心看懂下面这篇即可（仅代表个人观点）：
https://www.ncbi.nlm.nih.gov/books/NBK179288/

后续可能会出一篇讲这个EDirect脚本语言。