KAAS终结版

在注释KEGG的时候,一直用到kaas,具体kaas是个什么东东,简单的总结一下吧。

KEGG是由日本人搞的一个代谢图,收录基因和基因组的数据库,数据库可以分为 3大部分,基因数据库, 化学分子物质数据库,以及基于基因和化学分子物质相互关系而建立起来的代谢路径数据库,在KEGG数据库中,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,KEGG orthology (ko)代表的是某个代谢途径,k代表的是某个酶,c代表的是某个化合物,M代表的是某个模块,后面都会跟着编号。图中的正方形代表酶,圆形代表代谢物,5.4.4.4代表的是EC编号。而KAAS就是基于这么个数据库的一个快速检索的工具。The method is based on sequence similarities,bi-directional best hit information and some heuristics, and has achieved a high degree of accuracy when compared with the manually curated KEGG GENES database.

对于酶来说,40-70%的序列相似性对于功能的预测有90%的准确性(Tian,W)。直系同源基于是来自于相同的祖先的基因分化,保存在不同的物种中的功能基因。在实际操作中,他们能够通过BBH(bi-directional best hit)来推测出来。因此,对在许多物种中的直系同源基因的鉴定是对新测序的基因功能预测的最便捷的途径。而KEGG 数据库就是通过KEGG Orthology (KO)系统来跨物种注释的一种机制。

BHR(Bi-directional hit rate)

把要注释的geneome作为 query,和KEGG数据库中的reference进行blast比对,输出的结果(E>10)称为 homolog。同时把 reference作为query,把geneome作为refernce,进行blast比对。按照下面的条件对每个 homolog 进行过滤,Blast bits score > 60,bi-directional hit rate (BHR)>0.95。Blast Bits Score 是在 Blast raw score 换算过来的。

BHR 是KEGG在Bi-directioanl Best Hit 的基础上进行修改的一个选项,BHR = Rf * Rr。 KEGG 在做注释的时候,并不是把所有的基因都作为 refernce,而是按照是否来自同一个基因组分成一个一个的小的 reference,分别进行 blast,假设有两个基因组 A 和B,含有的基因分别为 a1,a2,a3…an;b1,b2,b3…bn 先用A作为 query,B作为refer,进行blast比对,A中的基因a1对B中的基因进行遍历,和基因b1有最高的 bit score。现在用B作为refer,A作为query,进行blast比对,B中的基因b1对A中的基因进行遍历,如果bits score最高的是a1,则a1和a2就是一个BBH,但也有可能不是a1,只能成为 Single-directional hit rate。用刚才的A和B作为例子。Rf为用A作为query,B作为Refer,a1和B中的每一个基因都计算一次,R =Bits_score[a1-b1] /MaxBits_score[a1_b]。分子是a1和B中的一个基因的Bit_score,分母是a1和B中基因最大的bit_score。假设注释得到的a1和b1中的某个基因是BBH,则BHR一定等于1.当然,容许修改BHR参数<1。计算 KO assignment score后, 选择得分最高的 KO作为这个 gene的 KO。

使用:

网站:http://www.genome.jp/tools/kaas/

输入FASTA格式的ORF或者EST即可。最好是aa序列。

有两种模式:the bi-directional best hit (BBH) information method, 和the single-directional best hit information method (SBH)。 best hit是指某个基因对于目标基因组中的某个基因匹配度最高,如果是bi-directional best hit,就是说明,这两个基因组互相匹配,都是匹配度最高的一组,俗话中的互相映射。原文的定义如下:Given two genes Xa and Xb from two genomes Ga and Gb, Xa and Xb are called a “bidirectional best hit (BBH)” if and only if recognizable similarity exists between them (in our case, we required Similarity Scores lower than 1.0 × 10−5), there is no gene Zb in Gb that is more similar than Xb is to Xa, and there is no gene Za in Ga that is more similar than Xa is to Xb. 一般是选择BBH,速度慢点,但是准确点吧 宏基因组的基因注释一般不选择 BBH模式,而是选择 SBH模式,因为得到的基因组大部分都不是完整的基因组,而且不同微生物的基因是混在一起,使BHR 的计算会受到很大的干扰(不是太理解哦,反正我用的是BBH每日一生信–kaas终结版)

最后生成的结果通过邮件发给你。可以下载,有图,有聚类,貌似是没有统计吧?

PS:不明白就看说明。有问题不能解决就问客服。

参考资料:

个人公众号,比较懒,很少更新,可以在上面提问题,如果回复不及时,可发邮件给我: tiehan@sina.cn

Sam avatar
About Sam
专注生物信息 专注转化医学