KEGG使用经验原创总结.pdf

KEGG 的个人使用经验分享的个人使用经验分享 neobe110 2010 年年 8 月月 21 日暑假 日暑假 每次上传到百度文库都说相似性太大被变为私有文档 也难怪 之前我有在小木虫 发 酵人等处上传 现在上传到百度就是想赚点百度财富以便不至于因没有下载券而对感兴趣的 文档干着急却不能下载 所以这次加了点头脚 改动了顺序希望能作为公开文档 毕竟这是 我原创的啊 KEGG 的数据库的数据库 KEGG Kyoto encyclopedia of Genes and Genomes 不多说 KEGG 中的 pathway 是根 据相关知识手绘的 这里的手绘的意思可能是指人工以特定的语言格式来确定通路各组件的 联系 基因组信息主要是从 NCBI 等数据库中得到的 除了有完整的基因序列外 还有没完 成的草图 另外 KEGG 中有一个 专有名词 KO KEGG Orthology 它是蛋白质 酶 的一个分类体系 序列高度相似 并且在同一条通路上有相似功能的蛋白质被归为一组 然 后打上 KO 或 K 标签 下面就首先来讲一下 KEGG orthology 任找一个代谢通路图 在上方有 pathway meue payhway entry Show Hide description 这 3 个选项 点击 pathway entry 出现了一个页面 这个随时被连接出来的页面相信大家一 定再熟悉不过了 在这个页面中的 pathway map 项中点击按钮状的链接 Ortholog table 就 进入了 Ortholog table 如下的页面 在这个表中 行与物种对应 3 个字母都是相应物中的英文单词缩写 比如 has 表示 Homo sapiens mcc 表示 Macaca mulatta 列就表示相应的 Ortholog 分类 比如 K00844 就表 示生物体内的己糖激酶 hexokinase 这一类序列和功能相似的蛋白质类 酶类 如上图 has 后有 3101 3098 3099 这 3 个条目 它表示在人类细胞中中存在 3 中不同的己糖激酶 它们分别由以上这 3 组数字代表的基因所编码 这 3 组数字应该是这 3 个基因的登录号 空 白则表示在该物种中不存在这种酶 点击 K00844 则这一 KO 分类信息及成员列表都可显示出来 点击 has 则链接到物种 人 类 基因组去了 点击 P 则显示相应的代谢通路 下面我们点击 3101 如下 如上图 就是我们常见的一个页面 3101 是 KEGG 中的基因 ID 登录号 H sapiens 表示物种 然后是基因的名称 表达的酶 属于哪个 KO 分类以及参与哪些代谢途径 下面 还有结构 序列信息等等 所以从 Ortholog table 中可以很容易地知道一张代谢通路上有哪 些 KO 分类 酶类 并且这些酶类的成员在各物种中分配存在的情况以及特定的名称 怎么看怎么看 KEGG 中代谢通路图中代谢通路图 比如以上这个图 方框一般就是酶 方框里面的 5 4 2 2 不是 IP 而是 EC 编号 小圆圈 代表代谢物 你把鼠标放上去 别放我这上面 放 KEGG 中去 会出现 C00668 的东西 C 代表 compound 00668 是这种化合物在 KEGG 中的编号 一般在 KEGG 中数据条目都是 这样的 前面一个标志 后面一个五位数编号 大的圆方块 就表示是另一个代谢图了 所 以就不展开了 但是 为什么这个图上有的小框框是绿色呢 这是绿色吧 我蓝绿不分的 下同 因为这是一张特定物种 S cere 酿酒酵母 的代谢图 蓝色的框框表示专属于这个物种 在 KEGG 中有两种代谢图 一种是参考代谢通路图 reference pathway 是根据已有的知识绘 制的概括的 详尽的具有一般参考意义的代谢图 这种图上就不会有绿色的小框 而都是无 色的 所有的框都可以点击查看更详细的信息 另一种就是像上面这样的属于特定物种的代 谢图 species specific pathway 会用绿色来标出这个物种特有的基因或酶 只有这些绿色的 框点击以后才会给出更详细的信息 这两种图很好区分 reference pathway 在 KEGG 中的 名字是以 map 开头的 比如 map00010 就是糖酵解途径的参考图 而特定物种的代谢通路 图开头三个字符不是 map 而是种属英文单词的缩写 应该就是一个属的首字母 2 个种的首 字母 比如酵母的糖酵解通路图 就是sce00010 大肠杆菌的糖酵解通路图就应该是eco00010 吧 那么 怎么找这两种图呢 1 有下拉列表的时候 在列表选择 reference 或者是特定物种即可 2 在 pathway 检索的页面 http www genome jp kegg pathway html 如下图 默认的就是 map 参考图 你想要什么物中的代谢图写上它的名称就好了 种属缩写 如果不知道是哪 3 个字母 点击 organism 选择即可 不过你点进去也是一片空白 你要提 示两个字母才会给出下拉条目 顺便问一下 怎么找基因呢 还是上面这张图 看到了吗 除了 PATHWAY 之外是不是还有 BRITE DISEASE 以及 GENES 等等 点击基因 GENES 就可以查找基因了 如下图 不过这里要按一定的格式 org gene 输入要查找的目的基因 比如它给出的示例 syn 表示物中 ssr3451 表示基因 ID 查找出来的基因名称是 psbE 其实我试了一下 若直接检 索基因名称 而不是 KEGG 中的基因 ID syn psbE 也是一样的 因为我不知道 KEGG 中基 因 ID 如何编制的 但是 我同时也不知道基因的名称是如何定义的 比如果糖 1 6 二磷 酸酶 Fructose 1 6 biphosphatase 的基因就叫 fbp 我放进去能检索 但是我把有名的 gal 填上 去就不能检索 当然这可能与基因后面的乱七八糟的序号后缀有关 比如填上 gal1 就能检 索了 所以我真不知道基因到底怎么命名的 当然我在syn中没找到gal1在sce中检索到了 这也说明了基因果然不是乱长的 依旧是上面这个图 看到 KEGG2 了吗 点击 也会出现检索框 这是一个总体性地检 索框 在这里面输入关键词 代谢通路也好 glycolysis 也好 gal 也好 化合物也好 没 那么多限制 KEGG 中的相关东西都会检索出来 在这里浏览一下 再进行后续检索 也是 一个不错的方法 当然 代谢通路图 还有其他的查看形式 比如以 KO 查看 以及图上可以点击 链 接到这链接到那 点来点去总能点出奇怪的页面来 熟悉一下也就熟悉了 这些东西会很有 用 所以我就不说了 下面讲一下 KEGG 的自动注释功能 代谢通路的着色代谢通路的着色 怎么在 KEGG 检索出来的代谢通路中给特定的一些化合物或者基因 酶 着色以高亮显示 呢 进入网页 http www genome jp kegg tool color pathway html 或者由 pathway 主页的 Color objects in KEGG pathways 进入 看图 如上图 search against 下拉出你可供选择的代谢通量图 总所周知的一个很烦人的问 题就是 在这些下拉列表中 条目排序竟然是乱七八糟的很难索引 还好我发现把焦点定在 这个下拉列表的最顶端的文本框上 即文本框变成选中的蓝色 然后在键盘上拼写你要的 那个物中的英文单词 只需要拼两三个字符相应的代谢通量图就出现在顶端了 比如我要找 酵母的代谢通量图 只需要在文本框变蓝的时候拼写 sacc 这几个字符 Saccharomyces cerevisiae budding yeast 就自动被置于上面了 或者不把焦点集中在文本框中也行 但是 你要很快地拼写 sacc 否者的话焦点会在以这几个字符开头的条目之间切换 如上图 右边有示例 这个貌似不要太简单 想给谁着色就把它写出来后面跟上颜色就 好了 一个一行 比如写上 C00118 blue 就表示在代谢通路图中把 C00118 这种代谢物 3 磷酸甘油醛 GAP 给着上蓝色 但是大家也看出来了 着色可以自定义背景色 也可以同 时定义前景色 我曾一度琢磨前景色是干嘛的 琢磨半天发现没用 背景色就是把方框或者 圆圈涂成选定的颜色 这自然是要的 而前景色是谁的颜色 就是方框里面的 5 4 2 2 这几 个数字的颜色 或者是小圆圈圆周的颜色 这有必要定义吗 所以后面直接跟一种颜色就行 了 然后就可以了 我随便弄个 gal1 想去着色 KEGG 突然说在酵母中找不到 gal1 怎么 可能找不到呢 我前面还在 GENES 中搜过呢 分明是酵母 分明是 gal1 分明搜的到 我当 时还大为兴叹 唉 看来基因果然不能乱长啊 怎么可能一顿饭就说找不到了呢 我又回去 搜里一下 确实搜的到 我再回来着色还说找不到 发现没有哪里不对呀 难道在这里 KEGG 着色只能输入基因 ID 而不能输入名称 不是 输入基因 ID 能给着色 基因名称也应该能 给 哈哈 我突然大笑起来 一定是 KEGG 区分大小写了 果然 我把搜到的 GAL1 输进 去 好了 用 gal1 又不行了 我突然觉得好玩起来 就一次次地改大小写 一次次地看它 给出的错误报告 一次次得意地嗤笑它的弱智 既然区分大小写 那 red 能着红色 Red RED 肯定就不认识了 果然改写一个大小写的 red 就没反应了 c00118 也不认识了 前面 那么多检索一直都不区分大小写的 在这里怎么区分大小写呢 KEGG 显然把这点疏忽了 着色结果如下 红色的就是 GAL1 的酶 右上角的就是 C00118 代谢物还好 如果要着色酶 没必要去找基因 还免得像我那样麻烦 直接在输入框中 输入相应的酶就好了 比如 ec 2 7 1 6 red ec 要小写 跟 GAL1 red 是一样的 或者直 接写 2 7 1 6 red 也是一样的 这种着色功能还可用于对比 或寻找 两个不同物种的一些基因 或者根据芯片数据 直观地示意一些基因的表达调控 着色内容也可以预先按以上规定的格式写在文本文件中 然后直接浏览导入也行 KEGG 的自动注释的自动注释 KEGG Automatic Annotation Server KEGG 的自动注释服务简称 KAAS 网址为 http www genome jp tools kaas 就是你提交一段蛋白质序列或者基因序列 必须是 fasta 格式 它自动在内部进行相似性比对 找到最相似的基因 并确定检索基因的 KO 分类 然后给出这些基因所在的代谢通路并以以不同的颜色标示这些基因 如下图 我在 help 中随便复制了它的两条示例氨基酸序列 然后粘贴到检索框中 进行了检索 检索框默认的蛋白质序列 如果不是的话要改选 然后填上一个邮箱地址 点击又下角的 compute 即可 不出意外的话 你在接下来的页面中应该看不到任何结果 甚至连提示都没 有 原来它把结果发到你邮箱去了 我也不明白就一个网页链接为什么还硬要发送到邮箱 首先发你一封信说已经接受 并给你一个期待结果显示的网址 一段时间后 会发你另外一 封邮件 说已经完成 打开它给的网址 就能看到结果了 如下 看来从 1 20 开始计算到 1 50 才结束 两条氨基酸链计算了 30 分钟 不过我感觉没这么 长呀 人家说了 计算时间是与要和检索序列对比的目标序列成正比 因此在检索的时候 最好限制一下检索范围 点击 html 有两条代谢通量图的条目 点开他们就可以直观地看出我们检索的未知序列 在代谢通路中的位置和作用了 Text 给出的是两个 KO 分类 好像北京大学的生命科学学院也搞了一个 KOBA 也是基于 KEGG 中的 KO 进行注释 的一个服务 应该和这个差不多吧 基因芯片数据的分析 基因芯片数据的分析 我对基因芯片数据 表达谱 的分析也是蛮感兴趣的 利用基因芯片的表达数据 分析 不同实验条件。