gget

Visão Geral

gget é uma ferramenta de bioinformática de linha de comando e pacote Python que fornece acesso unificado a mais de 20 bancos de dados genômicos e métodos de análise. Consulte informações de genes, análise de sequências, estruturas de proteínas, sequências virais, dados de expressão, associações de doenças e métricas de especificidade de tecidos/células de camundongos através de uma interface consistente. A maioria dos módulos gget funciona tanto como ferramentas de linha de comando quanto como funções Python.

Importante: Os bancos de dados consultados pelo gget são atualizados continuamente, o que às vezes altera sua estrutura. As orientações aqui visam o gget 0.30.8 (revisado em 30/09/2026). Para trabalhos reproduzíveis, fixe gget==0.30.8; para adaptadores de banco de dados upstream quebrados, atualize o gget após verificar as notas de lançamento.

Instalação

Instale o gget em um ambiente virtual limpo para evitar conflitos:

# Reproducible install targeting this skill
uv venv --python 3.13 .venv
source .venv/bin/activate
uv pip install "gget==0.30.8"

import gget

Início Rápido

Inspecione a sintaxe específica do módulo antes de consultar:

gget info --help
gget pdb --help

A maioria dos módulos retorna:

• Linha de comando: JSON (padrão) ou CSV com a flag -csv
• Python: DataFrame ou dicionário

Flags comuns em todos os módulos:

• -o/--out: Salva resultados em arquivo
• -q/--quiet: Suprime informações de progresso
• -csv: Retorna formato CSV (apenas linha de comando)

Os nomes dos argumentos Python geralmente correspondem às opções CLI longas sem hifens iniciais. Por exemplo, --census_version se torna census_version=.... Use gget <module> --help para sintaxe CLI e inspect.signature(gget.<module>) para Python; flags CLI como --download podem não ter equivalente em Python.

Categorias de Módulos

gget expõe 24 módulos em seis categorias. Parâmetros, exemplos CLI e Python, e formas de retorno para cada um estão em references/module_catalog.md; documentação mais completa por parâmetro está em references/module_reference.md.

Vários módulos precisam de uma gget setup única antes do primeiro uso (elm, cellxgene, cbio; legados alphafold/gpt), e cosmic solicita credenciais COSMIC para baixar seu banco de dados.

Fluxos de Trabalho Comuns

Pipelines multi-módulo trabalhados — caracterização de genes, comparação estrutural, análise de expressão e enriquecimento, associação de doenças e drogas, comparação de ortologia e preparação de arquivos de referência para kallisto ou alinhamento — estão em references/common_workflows.md, com versões mais longas em references/workflows.md.

Melhores Práticas

Recuperação de Dados

• Use --limit onde suportado; é frequentemente um limite local, não um mecanismo completo de paginação
• Salve resultados com -o/--out para reprodutibilidade
• Verifique as versões/releases dos bancos de dados para consistência entre as análises
• Use --quiet em scripts de produção para reduzir a saída

Análise de Sequências

• Para BLAST/BLAT, comece com parâmetros padrão, depois ajuste a sensibilidade
• Use gget diamond com --threads para alinhamento local mais rápido
• Salve bancos de dados DIAMOND com --diamond_db; gget ainda requer a entrada de referência
• Para alinhamento de múltiplas sequências, use -s5/--super5 para grandes conjuntos de dados

Dados de Expressão e Doenças

• Símbolos de genes diferenciam maiúsculas de minúsculas em cellxgene (por exemplo, 'PAX7' vs 'Pax7')
• Instale dependências opcionais para cellxgene, elm e cbio com gget setup <module>
• Para enriquecimento, registre o nome completo da biblioteca e a release, não apenas um atalho:

…