【8.2】其他数据库-KEGG（京都基因与基因组百科全书）

通路可以定义为a series of actions among molecules in a cell,细胞中的分子的一系列的行为最终生成一个成品，或者对细胞有某种改变。主要有三大类通路：

• 一个就是metabolic pathway,这像有原材料，一步一步加工编程一个产品；
• Gene regulation pathways,就像product manager一样，根据外界的情况来调节哪些基因多表达一些或则少表达一些；
• sigal transduction pathways;信号转导通路，包括像sales manager一样把市场的信息反馈到生产里，把这个信息一步一步地从product manager传到supply manager,再传到工人中。

比较大的Pathway databases 有kegg pathway ,biocarta,bioCyc,Protein analysis through evolutionary relationships(PANTHER)。

一、基本概念

Pathway Interacion database,reactome.KEGG pathway也是一个hierarchical的结构化格式，包括几大类，首先是代谢，后面是Genetic information processin, environmental information processing,cellular process,human diseases等。它最早主要是做代谢的通路，所以是KEGG里面最为完善的一类。如果看代谢通路的话，又细分几大类，比如carbohydrate,它的下面有细分很多类。

长方形的主要是基因的产物，主要包括一些蛋白，还有一些RNA，圆圈显示的就是原材料或者中间产物，每个pathway都不是独立存在的，会链接到别的pathway，在这里也有显示。里面的关系比较重要，这些关系分为了好几类，一类是蛋白之间的相互作用，对磷酸化，泛素话有明定义，但不同，

基因表达之间的关系包括通过一个中间产物的表达的调控，包括表达和抑制，包括还有直接的表达调控还有间接的表达调控。酶和酶的最用是通过两个连续的反应的两个步骤来定义的。

KEGG pathway也是一个结构文件，每一个entry它的名字，description它所设计到的module和molecular都有明确的定义。它的格式是KGML的格式。

每个PATHWAY有它的名字，是哪一个物种，它所设计到的反应和不同蛋白之间的关系。另外还有一级叫graphics,就是图形文件，就像我们看到的图形文件，它存储是通过把图形文件里面每个分子的x和y的坐标，它是哪一种类型，图形的长度和颜色，在电脑里都可以方便的定义。KGML文件和XML文件非常相似，每个PATHWAY是这样的一个格式。

二、案例

KEGG，全称京都基因与基因组百科全书(http://www.genome.jp/kegg)。它是关于基因、 蛋白质、生化反应以及通路的综合生物信息数据库。由多个子库构成(图 1)。

以上都是 KEGG 的子数据库，可以说包罗万象，不愧是百科全书。这些子库中，KEGG PATHWAY 数据库包含了大量物种的代谢与生物信号传导通路信息。Pathway 数据库下又分 为 7 个部分:1)Metabolism，2)Genetic Information Processing，3)Environmental Information Processing，4)Cellular Processes，5)Organismal Systems，6)Human Diseases，7)Drug Development。 其中 Metabolism 代谢通路这部分，又具体分为几个专题:1)Global/overview，2)Carbohydrate， 3)Energy，4)Lipid，5)Nucleotide，6)Amino acid，7)Other amino，8)Glycan，9)Cofactor/vitamin， 10)Terpenoid/PK，11)Other secondary metabolite，12)Xenobiotics，13)Chemical structure。

我们选择 Global/overview 总图这个专题点击查看。这时就会出现一张线路板一样的图 (图 2)。图中有一个圆圈。我们把显示比例调成 100%。放大这个圆圈看一下(图 3)。我们 看到这个圈的名字是 TCA 循环，也就是三羧酸循环。这个图上的每一个圆点儿代表一个化 合物，把鼠标放在某一个点上，会出现化合物的分子式，点击可进入相应数据库查看详细。 图上的每一条线代表一个生化反应。把鼠标放到三羧酸循环的名字上，可以看到一个更加详 细的通路图，我们点击这个名字。得到三羧酸循环详细的通路图(图 4)。其中圆圈是化合 物，箭头代表反应及反映方向。方块中的是酶。虚箭头指向其他途径，中间过程省略没有列 出。当点击某一个酶的时候会直接进入 KO 数据库。KO 是 KEGG 中的一个“专有名词”， 表示蛋白质或者说酶的一个分类体系。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，然后打上一个 KO 标签。从对应的 KO 数据库记录中可以查看当前这个酶的定义，酶学命名，参与途径，功能，结构等信息。KO 数据库记录的下面是这个酶在 KEGG 酶库里的信息。以及该酶所参与的化学反应在反应库里的信息。

接下来我们看一下 Toll 样受体的信号传导通路。它位于 KEGG Pathway 数据库里的 Organismal Systems 部分的 Immune system 专题里。图 4 是人的各种 Toll 样受体信号传导通路 图。可以看到在细胞膜和内质网上，有很多种 Toll 样受体。它们识别了不同的入侵物后， 激活下游蛋白，一个接一个的传递信号，直至产生各种细胞因子，激发炎性反应。如果点击其中的 Toll 样受体 4，可以看到这个蛋白质的详细信息，包括它参与的各种 Pathway。此外， 还有该蛋白可引发的疾病信息，并且可以链接到 KEGG 人类疾病数据库。此外，数据库记 录里还提供了两个相关的 Drug，其中一个 Drug 叫 Eritoran(图 5)。它是 Toll 样受体 4 的拮 抗剂。因为它长得和 Toll 样受体 4 的激动剂 LPS 脂多糖很像，所以可以被 Toll 样受体 4 捕 获。但是因为它又比激动剂 LPS 少了两条链，所以 Toll 样受体 4 捕获它之后不能激活下游 的信号传导，从而使 Toll 样受体 4 丧失免疫功能。这种药可以用于 Toll 样受体 4 引发的自 身免疫疾病的治疗。

三、讨论

现在kegg有两个比较大的缺点：

1. 注释源问题，它只提到由相关专家收集整理而成，没有参考文献等来源信息；
2. 授权问题，由于它授权过于严格，Bioconductor已经无法继续支持它，转而开始使用更加开源的Reatcome数据库

参考资料

• 山东大学 生物信息学课题组荣誉出品 http://www.crc.sdu.edu.cn/bioinfo 巩晶老师课件
• 北京大学 魏丽萍老师 课件