生物信息学中的kegg数据库

生物信息学中的kegg数据库

由于大规模分子数据集是由非标准序列和高流量实验技术创造的，因此将生命周期视为分子系统是可能的。同时也为开发医药或者环境科学方面的程序提供了基础。这就需要一个综合性的代谢网络数据库。KEGG的Pathwaymaps、Brite和Modules将细胞以及组织的系统功能数据以分子网络的形式展现,KEGGOrthology用于联系基因组同分子网络中的节点。在过去的16年里,KEGG已经在重要科研项目中得到广泛应用和发展,最近几年中,他们主要致力于疾病以及药物方面的分子网络数据的完善。将KEGG的疾病和药物资源用于临床实践有更广泛的社会用途。KEGG支持科学家们翻译他们的研究成果到医药及工业创新里,并能让医生、药剂师、病人以及消费者在疾病以及药物相关分子网络中应用这些知识。1kegg数据库KEGG(KyotoEncyclopediaofGenesandGenomes)即京都基因和基因组百科全书,始于1955年,最初作为日本基因组计划的一部分,将基因、基因组信息以及更高层次的功能信息结合起来,通过对细胞内已知生物学过程的计算机化和将现有的基因功能信息解释标准化,对基因的功能进行系统化分析。KEGG工程的主要目标之一是揭开细胞和生物的基因组和分子水平功能的更高层次系统功能。KEGG数据库综合了15个主要的数据库,表1列出了KEGG数据库中15个主要数据库的组成及表示方式。这些数据库可以分为3大类:(ⅰ)系统信息,是KEGG数据库独有的;(ⅱ)基因组信息;(ⅲ)化合物信息,每个数据库条目在KEGG中唯一的标示符格式为“db:entry”,“db”是数据库的名称,“entry”是条目名称。其中有13个数据库的数据均是人工收录的,是由相关数据库的前缀加上5位数字构成的,在整个数据库里是唯一的,因此“db”部分省略。剩余的2个数据库:KEGGGENES的数据来源于RefSeq,KEGGENZYME的数据来源于ExplorEnz,同样也有KEGG专属的注释。1.1物种数据库athwKEGGGENES的数据主要是从RefSeq中得到的,包括目前完整测序和部分测序的基因组信息。KEGGGENES与ENZYME,PATHWAY以及KO数据库联系紧密。物种的3个字母缩写作为数据库名称及基因标示符,如人类为hsa。物种缩写还作为前缀用在物种特异性的KEGG路径图,BRITE等级目录以及KEGGmodules里。在基因组信息里,还有计算生成的辅助数据库:KEGGDGENES是草图基因组,KEGGEGENES是EST标签,KEGGMGENES是宏基因组,KEGGSSDB是KEGGGENES的序列相似性关系。1.2kegg的通路KEGG路径图用图表来表示物种代谢的反应/相互作用网络、遗传信息处理、环境信息处理和其他细胞过程、人类疾病的反应/相互作用网络、药物开发的关系网络(化学结构转型的网络),不仅提供生化物质相互转化所有可能的代谢途径,还包含对催化各步反应的酶的全面注解。通过KegSketch软件人工绘制,通路图中的分子网络是一张包括节点(同源基因,蛋白质,小分子)以及边(反应,相互作用,关系)的图,KEGG中给出了不针对特异物种的一致性参考通路(consensuspathway)。即在每个参考通路的图中包括所有已知物种的酶及其反应,在特异的物种通路中,再强调性地标出该物种中的预测酶,用绿框表示出来,因此KEGG的通路很大。参考通路图是用‘map’开头,包括3种,分别以‘ko’,‘ec’,‘rn’做前缀。图1(a)为糖酵解的参考通路图的局部。方框内是酶号,圆点为化合物,箭头代表反应方向,鼠标放到相应位置均可以超链接到对应的内容。1.3其他数据库链接BRITE等级目录是表示了已知基因和蛋白,疾病和药物,化合物和反应以及物种和细胞的功能目录。表示的是不同层次之间的关系,便于信息的查询定位,并能和其他数据库链接。是用KegHierEditor软件来人工建立的,它使用‘A’,‘B’,‘C’等在第一栏指示相应的层数并包含多制表符分割的栏。BRITE里有两种分类:以‘ko’为前缀的标示符是用KO组(K值)来进行基因和蛋白质分类。以‘br’为前缀是其他分类,例如疾病(H值)药物(D值)和化合物(C值)。BRITE目录可以直接在页面下载,格式为htext。可以用KEGG的工具KegHier来阅读,该软件在Windows的JAVA平台运行。1.4KEGGMODULESKEGGMODULES最初是定义比KEGG通路更紧密的结构单元的,KEGG中的通路信息按照大小分为3种:全局图(globalmaps),普通图(regularmaps),模块(modules)。modules其相当于普通通路数据库里的核心保守部分。现在,KEGGMODULES的范围扩展了,KEGGMODULES有4种类型:①:pathwaymodules,②:structuralcomplexes,③functionalset,④signaturemodules。简单的表达了分子系统的成员。例如图2中Modules中所表示的酶、化合物和反应,对应在图1的Pathway图中的大方框内部分,即核心保守部分。MODULES中是用KO来表示的代谢途径,而PATHWAY用的是酶表示。更好的表示了直系同源基因在代谢中的关系。1.5基于genus的基因序列KEGGOrthology(KO)是一个直系同源的分类系统,即把序列高度相似,并且在同一条通路上有相似功能的蛋白质归为一组,将GENES与PATHWAY结合起来,弥补了酶命名的局限。在物种特异性的KEGG通路图中,BRITE分层条目和KEGGmodules中将与该物种相关的KO用绿色表示。KEGGOrtholog图中可以找到不同生物体的直系同源基因。一旦基因分配到相应的K值里,K值将在KEGG通路图谱中和BRITE功能分层中标出出,突出所有存在的亚系统,使基因组的更高层次解读成为可行。2g中kegg的解码是KEGG的自动注释服务。用户可以提交一段蛋白质序列或者基因序列(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。最近的两年,通过新开发的工具KOALA即KEGG直向和链接注释,同源基因注释的速度已显著提高了。KEGG中有两种类型的注解:①基于基因组的注释:在给定的基因组里分配给每个基因相应的K值;②基于KO的注释:在所有的生物体中将给定的K值分配给基因,以应对数量越来越多的完整基因组。KEGG程序注解如下:(1)全部基因组的基因信息都由RefSeq或者其他公共资源中得出,并储存在KEGG基因数据库。(2)通过使用SSEARCH进行成对基因组对比,从KEGGGENES中计算产生序列相似性打分和最好命中关系(best-hitrelations),并储存在KEGGSSDB数据库中。(3)基于基因组的自动注释,基于SSDB计算结果和KOALA工具的标准,执行K值的限制集。对于每一个基因组GFIT(基因的功能鉴定工具)创建显示在其他基因组中相关最佳同功能基因,包括旁系基因。(4)使用KOALA和GFIT对其他K值进行跨物种手工注解。这个步骤可能涉及增加或修订同源基因组,K值的数量增加。还可以通过KOALA和GFIT工具进入KO和GENES来检验KEGG同源注解的质量。该同源列表工具显示给定K值集的KO状态,这对检查一个途径或一个集合体的完整性状态非常有用。3kagg生物信息的应用3.1基因组织分析接口KEGG通路图,BRITE分层条目和KEGGmodules构成了KEGG参考信息。用KEGGmapper来标记通路,就可以对代谢通路中需要的化合物或酶着色显示,有利于代谢途径的分析。另外,还可以对基因芯片数据进行分析,例如在KEGGExpression数据库中分析基因芯片数据时,可以使用KegArray将不同颜色表示通路中各基因表达的变化,红色表示上调,绿色表示下调。KEGGMapper是KEGGmapping的使用接口。它由表2所示的7个工具构成,3个基本工具(SearchPathway,SearchBrite和SearchModule)可以对基因,蛋白质,小分子等进行标记,更方便定位及关联所需要的信息。4个高级工具(Search&Colorpathway,Search&ColorBrite,ColorPathway和JoinBrite)可以用不同颜色标记不同所需信息,方便阐明目标物在代谢网络中的关系。3.2其他高通量数据集20年前,人类基因组计划的重点在揭示人类疾病遗传因素以及建立诊断,治疗,预防的新策略。人类基因组测序的成功之后的工作如HapMap计划、全基因组关联研究、癌症基因组计划促进了许多疾病相关基因的发现。目前,大多数由于遗传和环境因素共同造成的多因子疾病的分子机制我们的了解依旧还很不完整,把涉及发病的因素作为特征加入分子网络,通过这种网络-疾病的结合分析,可以更好地阐明疾病的分子机制以及帮助开发新药和治疗方法。实验测序和其他高通量实验技术产生的大型数据集是信息来源。有很多疾病数据库对疾病机理的描述只能靠人来阅读理解,而KEGG里疾病信息是以可计算形式体现的:路径图,基因/分子列表。很多疾病都是复杂多因素疾病,由遗传和环境因素造成。疾病被视为扰乱分子系统,药物被视为防止分子系统被扰。而KEGG路径图包括正常和病理的分子系统的路径图。KEGGDISEASE里的每个疾病网络都包含:已知疾病基因,环境因素,诊断标志物,治疗药物,这些都可以反映潜在的分子系统。PATHWAY数据库的人类疾病列表包含癌症,免疫系统疾病,神经退行性疾病,循环系统疾病,代谢紊乱和传染病的路径图.DRUG数据库包含两类分子网络的信息。一类网络是在通路图中药物代谢酶,药物转运和其他药物(尤其指不良反应)的联系。另一类网络是化学结构在分子中的代谢变化网络,包括一系列的化学修饰,可用药的天然产物的生物合成次生代谢途径和药物代谢。KEGGMapping整合疾病和药物信息广泛用于相关研究中。收集在KEGGDIEASE的所有已知疾病基因以及收集在KEGGDRUG的所有药物靶点都合并在KEGGPATHWAY和BRITE数据库中,可以使用KEGGMapping在代谢图中用不同颜色标出对应基因。在疾病的代谢路径图里的疾病/药物图中,粉色框里是与疾病有关基因,亮蓝色框里是药物靶点。3.3人类代谢的路径在KEGGGENOME页面可用Mapping比较不同物种的代谢能力,例如将人与大肠杆菌的比较,就会将人类的代谢路径显示为绿色,大肠杆菌的显示为粉色,共有的路径为粉色绿色各一半。通过路径的分析可以看出两者有一部分的代谢通路是一致的。还可以来检查人-病原体以及人-微生物代谢关系互补性,检查物种之间的共同特征。可以使用KEGGMapper的K值分配和颜色特异性加工来区分需比较对象。3.4构建细胞代谢数据库从LIGAND数据库中能够获取重建目标物种的代谢网络中的所有基因-酶以及酶-反应列表,其中,酶在连接基因和相应代谢反应中起到关键作用,由于酶的EC号是唯一的,可以据此建立一个包含参与细胞新陈代谢的所有代谢组分及其代谢反应的列表。再通过其他数据库的信息辅助参考优化,就可以构建出该目标物种全部酶及反应数