KEGG

京都基因与基因组百科全书（Kyoto Encyclopedia of Genes and Genomes，简称KEGG）是一个整合了基因组、化学和系统功能信息的生物信息学数据库。KEGG 主要用于生物学研究中的基因和蛋白功能注释、代谢通路分析、疾病机制研究及药物靶点预测等。

1. KEGG 数据库的组成

KEGG 由多个子数据库组成，涵盖基因组、通路、疾病、药物、化学物质等多个方面，主要包括：

• KEGG PATHWAY（代谢与信号通路数据库）：存储了代谢、细胞过程、环境信息处理、遗传信息处理等多个层次的通路信息。
• KEGG GENES（基因数据库）：收录了来自各种生物（细菌、植物、动物、人类等）的基因组信息，并链接到相应的蛋白质功能数据。
• KEGG ORTHOLOGY（KO）（同源基因数据库）：提供基因的同源分组，将不同物种的基因归为相同的功能类别。
• KEGG DISEASE（疾病数据库）：收录了各种人类疾病信息，并与基因和通路相关联。
• KEGG DRUG（药物数据库）：收录了药物分子、靶点及其在生物系统中的作用。
• KEGG COMPOUND（化合物数据库）：存储了与生物系统相关的化学物质信息，如代谢物、中间产物等。
• KEGG REACTION（生化反应数据库）：存储了酶催化的化学反应信息。
• KEGG ENZYME（酶数据库）：存储了已知的酶及其催化的生化反应信息。

2. KEGG 通路（KEGG PATHWAY）

KEGG 最常用的功能之一是通路分析，它提供了丰富的生物代谢和信号通路信息，包括：

• 代谢通路（Metabolism）：糖酵解（Glycolysis）、三羧酸循环（TCA cycle）、氨基酸代谢等。
• 信号通路（Signaling pathways）：如 PI3K-Akt 途径、MAPK 途径、p53 途径等，常用于研究细胞信号传导。
• 遗传信息处理（Genetic Information Processing）：如 DNA 复制、RNA 转录、蛋白翻译等。
• 细胞过程（Cellular Processes）：如细胞周期、细胞凋亡、自噬等。
• 环境信息处理（Environmental Information Processing）：如膜转运、细胞通讯等。
• 疾病相关通路（Human Diseases）：癌症通路、神经退行性疾病、代谢紊乱等。

通路图（Pathway Map）以网络形式展示各种基因、蛋白质和化合物的相互作用关系，帮助研究人员理解生物过程的整体调控机制。

3. KEGG 的应用

• 功能注释：KEGG 被广泛用于基因和蛋白功能预测，通过 KO（KEGG Orthology）将未知基因与已知功能基因进行比对，从而推测其功能。
• 差异表达基因分析（DEG Analysis）：在 RNA-Seq 或微阵列数据分析中，常通过 KEGG 通路富集分析（KEGG Pathway Enrichment Analysis）研究基因在生物过程中可能的作用。
• 代谢研究：KEGG 代谢通路可用于代谢组学数据分析，研究代谢产物的变化及其相关酶的调控机制。
• 疾病机制研究：KEGG 提供疾病相关通路，帮助研究特定疾病（如癌症、糖尿病、神经疾病等）中的基因功能和调控网络。
• 药物研发：KEGG DRUG 数据库可用于药物靶点筛选，研究药物对代谢和信号通路的影响。

4. KEGG 富集分析

KEGG 通路富集分析（KEGG Pathway Enrichment Analysis）是一种统计方法，常用于确定某一基因集合（如差异表达基因）在 KEGG 通路中的富集程度。常用分析工具包括：

• R 语言的 clusterProfiler 包：用于基因富集分析，如enrichKEGG()函数。
• DAVID（Database for Annotation, Visualization, and Integrated Discovery）：在线功能注释工具，可用于 KEGG 通路分析。
• MetaboAnalyst：用于代谢组学研究，结合 KEGG 进行通路分析。

5. KEGG 数据库的访问方式

KEGG 数据库可以通过以下几种方式访问：

• KEGG 官网（https://www.kegg.jp/）：提供在线查询和可视化工具。
• KEGG API（https://www.kegg.jp/kegg/rest/）：用于程序化访问 KEGG 数据，可用于大规模数据分析。
• 生物信息学工具（如 Python、R）中的 KEGG 相关包：如 KEGGREST（R 语言）或 bioservices.kegg（Python）。

6. KEGG 的局限性

尽管 KEGG 是最常用的生物通路数据库之一，但仍有一些局限性：

• 更新频率有限：与其他数据库相比，KEGG 的更新频率较低，可能缺少最新的研究成果。
• 物种覆盖不完全：虽然 KEGG 涵盖多种生物，但某些非模式生物的数据可能较少。
• 通路定义较为静态：生物通路是高度动态和复杂的，而 KEGG 主要基于已知知识进行整理，无法完全捕捉所有可能的生物学变化。

7. 结论

KEGG 是一个重要的生物信息学数据库，广泛应用于基因组、转录组、代谢组和疾病研究。通过 KEGG 通路分析，研究人员可以探索基因功能、代谢机制、信号传导网络及其与疾病的关系。结合高通量数据分析，KEGG 在现代生物学和医学研究中发挥着重要作用。

参考文献

（1）Kanehisa, M., & Goto, S. (2000). KEGG: Kyoto Encyclopedia of Genes and Genomes. Nucleic Acids Research, 28(1), 27-30.
（2）Kanehisa, M. et al. (2017). KEGG as a reference resource for gene and protein annotation. Nucleic Acids Research, 45(D1), D353-D361.
（3）Yu, G. et al. (2012). clusterProfiler: an R package for comparing biological themes among gene clusters. OMICS: A Journal of Integrative Biology, 16(5), 284-287.