KEGG数据库简介

简介产生的背景如何借助计算机全面地展示细胞和生物所包含的生物学信息是后基因组时代的重大挑战之一。科学家期望能够根据基因组中的信息，用计算机计算或者预测出比较复杂的细胞中的通路或者生物的复杂行为。出于这个目的，日本京都大学生物信息学中心的Kanehisa实验室于1995年建立了生物信息学数据库KEGG。特点•KEGG是一个整合了基因组、化学和系统功能信息的数据库。把从已经完整测序的基因组中得到的基因目录与更高级别的细胞、物种和生态系统水平的系统功能关联起来是KEGG数据库的特色之一。•人工创建了一个知识库，这个知识库是基于使用一种可计算的形式捕捉和组织实验得到的知识而形成的系统功能知识库。它是一个生物系统的计算机模拟。•与其他数据库相比，KEGG的一个显著特点就是具有强大的图形功能，它利用图形而不是繁缛的文字来介绍众多的代谢途径以及各途径之间的关系，这样可以使研究者能够对其所要研究的代谢途径有一个直观全面的了解。用途•各个数据库中包含了大量的有用信息。基因组信息存储在GENES数据库里，包括完整和部分测序的基因组序列；更高级的功能信息存储在PATHWAY数据库里，包括图解的细胞生化过程如代谢、膜转运、信号传递、细胞周期，还包括同系保守的子通路等信息；KEGG的另一个数据库LIGAND，包含关于化学物质、酶分子、酶反应等信息。•通过与世界上其它一些大型生物信息学数据库的连接，KEGG可以为研究者提供更为丰富的生物学信息(LinkDB)。•KEGG提供了Java的图形工具来访问基因组图谱，比较基因组图谱和操作表达图谱，以及其它序列比较、图形比较和通路计算的工具，可以免费获取。影响及发展•KEGG建立了KEGG直系同源系统(theKEGGOrthology(KO)system)，这个系统通过把分子网络的相关信息连接到基因组中，从而发展和促进了跨物种注释流程。•结果表明，KEGG被当做一个参考知识库，被广泛的用于基因组测序和其他高通量实验技术得到的大规模数据集的整合和解释中。除了保持对基础研究的支持，随着KEGG分子网络的一些小变化，KEGG正在朝着更加偏向于实际应用的方向发展，这些应用主要集中在整合人类疾病、药物和其他与健康相关的物质。KEGG数据库•KEGG是一个综合数据库，它们大致分为系统信息、基因组信息和化学信息三大类。进一步可细分为16个主要的数据库。可以通过不同的颜色编码来区分。分类数据库目录颜色系统信息KEGGPATHWAYKEGG通路图KEGGBRITEBRITE功能层次KEGGMODULEKEGG功能单元的模块KEGGDISEASE人类疾病KEGGDRUG药物KEGGENVIRON天然药物和与健康相关的物质基因组信息KEGGORTHOLOGYKEGG直系同源(KO)组KEGGGENOMEKEGG中带有完整基因组的物种KEGGGENES在完整基因组中的基因目录KEGGSSDB与基因有关的序列相似性数据库化学信息KEGGCOMPOUND代谢物及其他小分子化合物KEGGGLYCAN多糖KEGGREACTION生化反应KEGGRPAIR化学反应中的反应物对KEGGRCLASSRPAIR定义的反应级别KEGGENZYME酶命名法三类数据库的关系KEGG对象标识符DatabaseObjectPrefixExampleKEGGPATHWAYPathwaymapmap,ko,ec,rn,(org)hsa04930KEGGBRITEFunctionalhierarchybr,jp,ko,(org)ko01003KEGGMODULEKEGGmoduleM,(org)_MM00010KEGGDISEASEHumandiseaseHH00004KEGGDRUGDrugDD01441KEGGENVIRONCrudedrug,etc.EE00048KEGGORTHOLOGYKOgroupKK04527KEGGGENOMEKEGGorganismTT01001(hsa)KEGGGENESGene/proteinhsa:3643KEGGCOMPOUNDSmallmoleculeCC00031KEGGGLYCANGlycanGG00109KEGGREACTIONReactionRR00259KEGGRPAIRReactantpairRPRP04458KEGGRCLASSReactionclassRCRC00046KEGGENZYMEEnzymeec:2.7.10.1数据库中包含各种各样的数据对象，这些数据对象是为了用来对生物系统进行计算机模拟的。因此，各个数据库中的数据记录都被称为KEGG对象。这些对象可以通过KEGG对象标识符来识别，标识符由一个与数据库相关的前缀加五个数字构成。(org)representsthree-,four-,orfive-letterorganismcode当前数据库中的记录KEGGDatabaseasof2013/6/5KEGGPATHWAYPathwaymaps,reference(total)0(246,368)KEGGBRITEFunctionalhierarchies,reference(total)140(78,848)KEGGMODULEKEGGmodules,reference(total)566(185,274)KEGGDISEASEHumandiseases1,301KEGGDRUGDrugs9,910KEGGENVIRONCrudedrugsandhealth-relatedsubstances845KEGGORTHOLOGYKEGGOrthology(KO)groups16,748KEGGGENOMEKEGGOrganisms2,697KEGGGENESGenesinhigh-qualitygenomes(190eukaryotes,2336bacteria,153archaea)10,821,739KEGGSSDBBesthitrelationswithinGENESBi-directionalbesthitrelationswithinGENES130,947,959,9572,996,848,546KEGGDGENESGenesindraftgenomes(18eukaryotes)432,488KEGGEGENESGenesasESTcontigs(99eukaryotes)3,792,883KEGGMGENESGenesinmetagenomes(716samples)90,754,418KEGGCOMPOUNDMetabolitesandothersmallmolecules17,012KEGGGLYCANGlycans10,985KEGGREACTIONBiochemicalreactions9,320KEGGRPAIRReactantpairchemicaltransformations14,092KEGGRCLASSReactionclass2,807KEGGENZYMEEnzymenomenclature5,973KEGGPATHWAYDatabaseKEGGPATHWAY数据库是一个手工画的代谢通路的集合，包含以下几方面的分子间相互作用和反应网络：1.新陈代谢2.遗传信息加工3.环境信息加工4.细胞过程5.生物体系统6.人类疾病7.药物开发PATHWAY的五种类型仅仅第一种参考通路(referencepathway)图是手动画出来的，其他的通路图都是通过计算产生的。pathway中的每一个框(或线)都对应一个或多个K编号、EC编号及R编号。•map-Referencepathway对于代谢相关的通路，在referencepathway中，一个点同时表示一个基因、这个基因编码的酶及这个酶参加的反应•ko-Referencepathway(KO)ko通路中的点只表示基因•ec-Referencepathway(EC)ec通路中的点只表示相关的酶•rn-Referencepathway(Reaction)Reaction通路中的点只表示改点参与的某个反应、反应物对及反应类型•org-Organism-specificpathwaymap对于所有的代谢和非代谢通路，K编号都被认为是基因的标识符，这个标识符在每一个物种中对应该物种中的某个基因，从而得到物种特异性的pathway。map00010ko00010ec00010rn00010hsa00010KEGGBRITEDatabaseKEGGBRITE是一个层级分类的数据库，包含生物系统各个方面的知识。相对于KEGGPATHWAY仅限于分子间相互作用和反应，KEGGBRITE包含了许多不同的关系类型。例如，可以查询酶和底物之间的关系，也可以查询某种酶的同源基因。tp53在BRITE中的查询结果KEGGMODULEDatabaseKEGGMODULE是一个人工定义的功能单元的集合。被用于已测序基因组的注释和生物学上的解释。各个模块使用M开头的编号及与其对应的一系列K开头的编号来表示。四种主要的KEGG模块1.通路模块：代表在KEGG代谢通路图中的复杂功能单元，例如M00002(糖酵解，与三碳化合物相关的核心模块)2.结构复合物：通常形成分子机械，例如M00072(寡糖转移酶)3.功能集：基本单元的其他形式，例如M00360(氨酰基-tRNA合酶，原核生物)4.特征模块：作为某种表型的标记，例如M00363(肠出血性大肠杆菌致病性特征，志贺毒素)KEGGORTHOLOGY(KO)DatabaseKEGG参考通路图，BRITE功能层次以及KEGG模块都是以一种广泛的方式来表示，都可以用于所有物种。而KEGG直系同源系统(KOSystem)是这一表示方式的基础。包含手动定义的直系同源组，这些直系同源组就相当于KEGG通路中的点，BRITE层级中的点以及KEGG模块中的点。(这些点并不是某个具体物种的某一个基因，而是在许多物种中都存在的直系同源的某一个基因)。一旦基因被分配了KO标识或K编号，通过基因组注释流程，物种特异性的通路图、BRITE功能层次和KEGG模块就可以自动产生了。直系同源与旁系同源直系同源(orthology)是比较基因组学中最重要的定义。直系同源的定义是：(1).在进化上起源于一个始祖基因并垂直传递的同源基因；(2).分布于两种或两种以上物种的基因组；(3).功能高度保守乃至于近乎相同，甚至于其在近缘物种可以相互替换；(4).结构相似；(5).组织特异性与亚细胞分布相似。旁系同源(paralogy)基因是指同一基因组(或同系物种的基因组)中，由于始祖基因的加倍而横向产生的几个同源基因。直系与旁系的共性是同源，都源于各自的始祖基因。其区别在于：在进化起源上，直系同源是强调在不同基因组中的垂直传递，旁系同源则是在同一基因组中的横向加倍；在功能上，直系同源要求功能高度相似，而旁系同源在定义上对功能上没有严格要求，可能相似，但也可能并不相似(尽管结构上具一定程度的相似)，甚至于没有功能(如基因家族中的假基因)。ImagedepictsconceptsofOrthologyandparalogy.fromProteinKinaseCOrthologsNeurotrophin(神经营养因子)signalingpathway(ko04722)从这个图上可以看到基因之间的相互作用。ko编号表示一个通路，这个通路是不分物种的，相当于所有物种的这一通路的并集。Orthologtable(ko04722)K编号表示一个基因，是ko通路中的基本单位，某一K编号代表的不是某一具体物种的基因，而是所有物种的某一同源基因的统称。KEGGGENOMEDatabase该数据库中收集了2679中物种(190eukaryotes,2336bacteria,153archaea)的基因组信息，这些物种都已经具有完整的基因组序列，并根据大量的EST数据集进行了增补。KEGGGENESDatabase•KEGGGENES是所有已知全基因组序列的基因目