在生命科學與生物信息學領域，KEGG（京都基因與基因組百科全書）是一個至關重要且廣泛使用的數據庫資源。它系統地整合了基因組、化學和系統功能信息，尤其以其直觀、標準化的通路圖而聞名。本文旨在快速解讀KEGG的核心價值，并概述通路圖相關數據處理的基本思路。
一、KEGG數據庫是什么？
KEGG不僅僅是一個數據庫，而是一個集成化的知識庫系統。它主要包含以下幾個核心模塊：
- KEGG PATHWAY：核心所在。以圖形方式展示細胞過程、代謝、信號轉導等分子相互作用網絡。每個通路圖都是一個標準化的參考圖譜。
- KEGG GENES： 收集了來自眾多已完成測序生物體的基因/蛋白質信息。
- KEGG ORTHOLOGY (KO)： 直系同源基因分類系統，是連接基因與通路的功能單元。將基因注釋到KO編號是進行通路富集分析的關鍵步驟。
- KEGG COMPOUND/GLYCAN/REACTION： 包含化學物質、糖類、生化反應等信息，是代謝通路圖的化學基礎。
- KEGG BRITE： 提供基因、化合物等實體的功能層級分類體系。
KEGG的核心哲學是將生物系統視為分子網絡，通路圖則是這些網絡的“地圖”。
二、如何“讀懂”KEGG通路圖？
一張KEGG通路圖是一個高度標準化的信息可視化工具：
- 圖形元素：矩形通常代表基因、蛋白質或酶；圓形代表化學化合物；線條箭頭代表相互作用（如激活、抑制、轉化）。
- 顏色編碼：這是將自身實驗數據（如差異表達基因）映射到通路圖的關鍵。在官網工具中，用戶可以上傳基因列表，系統會根據預設規則（如上調/下調）將圖中的對應基因框著色（如紅/綠），從而直觀看到哪些通路區域在特定條件下發生了顯著變化。
- KO標識：圖中的每個基因框都關聯著KO編號（如K04503），這是功能統一標識符，不依賴于具體物種。
三、通路相關數據處理的核心流程
處理KEGG通路數據通常是為了回答“我的基因列表在哪些通路上有顯著富集？”或“我的代謝物變化影響了哪些通路？”這類問題。基本流程如下：
- 基因標識符轉換與KO注釋：
- 輸入：通常是一組有意義的基因列表（如差異表達基因）。
- 關鍵步驟：將基因標識符（如Gene Symbol, Ensembl ID）映射到KEGG的KO編號。這可以通過KEGG官方API、DAVID、KOBAS或clusterProfiler等R/Bioconductor包完成。KO編號是實現跨物種比較和功能解讀的橋梁。
- 通路富集分析：
- 原理：基于超幾何分布檢驗或類似方法，判斷目標基因集在某個KEGG通路中是否顯著過出現（即“富集”）。
- 工具：常用工具包括R語言的
clusterProfiler、enrichKEGG函數，在線平臺如DAVID、KOBAS-i等。
- 輸出：得到一個包含通路名稱、富集基因數、P值、錯誤發現率（FDR）的表格，用于識別最相關的生物學通路。
- 結果可視化：
- 富集氣泡圖/條形圖：展示排名靠前的富集通路及其顯著性，是展示分析結果的經典方式。
- 通路映射圖：使用KEGG官網的“Color”工具或R包
pathview，將基因表達量、代謝物濃度等定量數據映射到通路圖上，生成著色的自定義通路圖，直觀展示變化發生在通路的具體位置。
- 通路網絡圖：展示不同通路之間的基因重疊關系，揭示更上層的功能模塊。
四、實用工具與注意事項
- 常用工具：對于生信分析，R包
clusterProfiler和pathview是進行KEGG富集分析和可視化的一站式利器。在線用戶可直接訪問KEGG官網使用其搜索、瀏覽和著色工具。 - 注意物種差異：KEGG通路是參考圖譜，分析時需確保使用正確的物種數據庫進行映射（如hsa代表人類，mmu代表小鼠）。
- 理解局限性：通路富集分析結果是統計關聯，需結合生物學知識進行解讀。KEGG通路圖是靜態的參考模型，不一定反映所有細胞類型或狀態下的具體情況。
###
掌握KEGG數據庫與通路圖，本質上是獲得了一套解讀基因組數據功能意義的“詞典”和“地圖”。從基因列表到KO注釋，再到通路富集分析和可視化映射，這一標準化流程已成為功能基因組學、代謝組學等研究的常規分析手段，能有效將海量的分子列表轉化為可理解的生物學故事。
