參考：KEGG數據庫中文教程 - 博奧 &【學習筆記】KEGG數據庫 - 微信
學習一個技能最主要的事情你必須知道，那就是能通過它來做什么？
- KEGG數據庫里面有什么？
- 如何查詢某一特定的代謝途徑(pathway)的信息，例如Glycolysis / Gluconeogenesis?
- 如何查詢某一化合物的信息,例如Pyruvate?
- 如何查詢Pyruvate涉及了哪些生化反應?
- 如何查詢某一基因的信息,例如gltA ?
- 如何知道Bacillus subtilis是否有gltA?
- 如何查詢 gltA在其他物種中的同源基因?
- 如何列出某一代謝途徑中涉及的所有的酶？例如cytrate cycle pathway（TCA循環）
- 如何知道人類的cytrate cycle中pyruvate carboxylase這種酶有多少化合物與其發生相互作用？
- 如何查詢人類由Citrate生成Acetyl-CoA的可能步驟？
- 有一條未知的序列，如何查詢KEGG數據庫中是否有基因或酶與其對應?
生物信息的最上游就是測序，測序直接得到的就是序列信息，然后通過組裝就可以得到基因組或轉錄組信息，接下來就會得到基因的信息，以及基因表達的信息。
那么，我們知道了測出來的物種中的某個基因的序列，及其在轉錄中的表達情況，我們如何確定該基因的功能呢？ 百度 知乎
這種思路是不對的，基本沒有人挨個去研究驗證計算機得到的基因，因為太漫無目的，沒人有那么多金錢精力。
現實的是，我對某個重要的現象感興趣（意義重大，好發文章），然后控制該現象最主要的基因，去發現基因的功能，這才是可行的套路。
所以一般是先有表型再去找基因，也就是所謂的正向遺傳學。當然你也可以用反向遺傳學，挨個敲掉基因看有沒有你要的表型。因為科學家一般只關注自己感興趣的基因，所以不會出現你說的那種情況，就是不會追着一個基因非要知道它的功能，而是有目的地找他所關心的基因。
基因功能定位這個很復雜，可以專門開一篇文章了，暫且到此。
假設我們現在有了基因序列及其功能，我們接下來也會知道該基因合成了哪些蛋白，參與了哪些化學反應。
代謝是細胞內各種化學反應的總稱，一個代謝途徑包括代謝的前提、產物和酶。
正文
KEGG就是用來查詢代謝途徑、酶、酶編碼基因和代謝物的，此外還有GenMAPP、BioRag等同類型數據庫。
KEGG還可以通過BLAST來查詢未知序列的代謝途徑信息，主要就是同源比對，找相似信息吧。
KEGG網站的邏輯框架：（問題1：KEGG數據庫里面有什么？）
目前KEGG太大了，所以拆成了很多子數據庫，其中最核心的為 KEGG PATHWAY 和 KEGG ORTHOLOGY 數據庫。
PATHWAY（代謝途徑數據庫），可以查詢各種代謝途徑。
BRITE（代謝通路及同源基因數據庫），這個數據與PATHWAY數據庫不同的是，可以查詢酶和底物之間的關系，也可以查詢某種酶的同源基因。
GENES（基因數據庫）， 可以查詢不同的基因或基因組的信息。
LIGAND（配體數據庫）， 可以查詢反應中各種化合物的信息。
PATHWAY數據庫的使用
點擊進入后會發現KEGG收錄了如下代謝途徑：
在 KEGG PATHWAY 數據庫中，將生物代謝通路划分為 6 類，分別為：細胞過程（Cellular Processes）、環境信息處理（Environmental Information Processing）、遺傳信息處理（Genetic Information Processing）、人類疾病（Human Diseases）、新陳代謝（Metabolism）、生物體系統（Organismal Systems），其中每類又被系統分類為二、三、四層。第二層目前包括有 43 種子 pathway；第三層即為其代謝通路圖；第四層為每個代謝通路圖的具體注釋信息。
問題2：如何查詢某一特定的代謝途徑(pathway)的信息，例如Glycolysis / Gluconeogenesis?
可以直接在首頁上搜索Glycolysis / Gluconeogenesis，也可以點擊Carbohydrate Metabolism中的Glycolysis / Gluconeogenesis
怎么看懂代謝途徑圖：
方框中表示的是反應中的酶，例如2.7.1.41，這是酶的EC number，國際酶學委員會的編號。
小圓圈代表的是反應中的化合物，例如α-D-Glucose-1P。
箭頭代表的是反應的方向。
虛線表示此反應可以通過中間產物與其他途徑發生聯系。
還可以選擇相對應的物種，如Homo Sapiens(human)。
還可以點進去了解指定酶的詳細信息
以ko04151為例：
ORTHOLOGY 數據庫的使用
在 KEGG ORTHOLOGY（直系同源） 數據庫中，將行使相同功能的基因聚在一起，稱為 Ortholog Groups (KO entries)，每個 KO 包含多個基因信息，並在一至多個 pathway 中發揮作用。
LIGAND數據庫的使用
GENES數據庫的使用
KO數據庫的使用
LinkDB的使用
PathComp的使用
BLAST的使用
代謝通路可視化
使用 pathview, KEGGREST和KEGGgraphR包繪制
正確認識代謝通路富集分析（轉）
我一直建議不要僅僅基於Pathway富集分析的結果解讀數據，人為的解讀和挑選是必不可少的。因為生物數據的解讀，在現階段更多是生物學問題，而不是數學問題。原因大體如下：
（1）基因調控是個系統，不要僅僅看成1個孤立的pathway。
在今年參加的第二屆植物抗逆會議上，1個教授說了一句話，我認為很有道理。“在植物體內其實根本就不存在pathway，什么脫落酸通路，水楊酸通路，其實這些調控因子都是相互聯通，相互影響的，是個整體。只是我們人類為了研究方便，人為將這些系統拆分各個子集。 ” 所以，如果你真的將pathway看成1個個破碎的途徑，以為某種處理只會影響某個pathway，富集分析必須在數學上或統計學上得到1個指向性很強的結論，那是不大可能的。
具體說了，說基因調控是個系統，可以從兩個層面進行解讀：a）1個基因的改變可以造成整個系統的改變；
舉幾個例子：把1個生命活動必須的蛋白敲除后，整個細胞會發生紊亂。而植物抗病應激，也往往是1個受體蛋白識別了病原的外源蛋白，然后導致整個細胞系統的變化。
b）1個基因往往有多個功能，但執行具體的功能往往是不同蛋白復合物共同作用的結果。
例如，基因X理論上在不同情況下，有可能參與A、B、C通路。在某個生物處理下，或許基因X 只在A通路里起作用。但如果進行基因注釋的話，X同樣也會被注釋到B、C。所以，富集分析的結果總是會涉及特別多的通路。例如，研究人的項目，無論什么研究背景，常常會富集到帕金森綜合症通路。不是你的材料真的得了帕金森綜合症，只是那些與你實驗處理相關的基因，在一定條件下也可以參與到帕金森綜合症的過程，所以被注釋到了這個通路里。
小結：所以，我們也看到了。無論什么實驗處理，總有可能導致整個系統的變化。同時，基因的通路注釋也有欺騙性。那么，從這一堆冗余信息中，想得到與我們研究相關的結論，離不開人為的篩選也解讀。從那個復雜的整體中，篩選出核心的局部片段，這是個技術活。“這樣的話是否存在一個問題就是在結果的解釋上比較主觀，也會因自身背景知識的不足而漏掉一些新穎的結果”。那當然，同樣的結果1個外行可能什么都沒有看見。但1個資深的學者可能會把握到很精彩的內容。好像任何領域都是如此，除了提高內功好像沒有其他捷徑。
（2）pathway富集分析的統計假設，並非在任何情況下都適用pathway富集分析，在生物學上的假設是：1個pathway上游基因的改變，會導致下游相關基因改變，從而改變通路中大量基因的表達，達到統計學上富集的效果。但很多pathway中，基因A、B、C並不是相互調控的關系，而是共同參與某個過程的不同部分。
例如，代謝物X的合成修飾。基因A、B、C分步驟參與合成的3個步驟。基因A給X前體加了羥基，然后傳遞到下游；基因B又給X前體加了苯環，再傳遞到下游；基因C又給X的前體加了個乙酰基，完成X的合成。那么，基因A、B、C是參與了的相同的通路。如果基因A發生表達量變化，會直接調控影響B、C的表達量變化嗎？ 看來很有可能不會，所以從RNA-seq差異分析的富集分析結果中，這個通路是不顯著的。那么基因A的表達變化是否有生物學意義？ 當然有，因為代謝物X的合成的確受影響了。
類似的例子，理論上DNA差異甲基化的結果，就不能看pathway富集分析的結果。1個pathway 1個基因的DNA甲基化變化，就足以改變這個通路的基因表達，而不需要整個通路的甲基化都發生變化。DNA甲基化、組蛋白CHIP-seq的結果，其實只看功能注釋、或通路注釋就足夠了，不需要考慮富集。
所以，我們還是要觀察、理解某個核心pathway中基因的相互作用，才能判斷其中的基因變化是否有生物學意義， 而不僅僅看富集分析的p value或Q value。（3）目前的pathway是不完整的。
目前KEGG等數據庫，收錄的是已有的研究結果。但這些pathway的信息，遠沒有到達完善的水准。大部分通路只是了解1個大概的調控途徑，而中間有什么轉錄因子參與、是否還有其他代謝物的生成，都是不知道的。這些通路的完整性，也會影響pathway富集分析結果。例如，基因A發生變化了，看起來下游基因沒有變化。也許是還有其他的調控在起作用，只是這些調控作用現在還不知道而已。
總結：pathway 和 GO富集分析結果的解讀，應該從生物學意義的角度出發，P value 和 Q value只是個參考而已，那些不顯著的通路也值得解讀（從功能注釋的角度解讀，而不是從富集分析的角度解讀）。只要結果可以解釋，有意義，不用太迷信P value。