在上期推文中，我們介紹了 KEGG 數(shù)據(jù)庫(kù)的數(shù)據(jù)結(jié)構(gòu)與檢索方法，掌握了通路、基因、化合物等核心數(shù)據(jù)的獲取方式。本期將聚焦 KEGG 的數(shù)據(jù)分析功能，教你如何將基因列表轉(zhuǎn)化為生物學(xué)洞見(jiàn)，揭示基因背后的通路調(diào)控網(wǎng)絡(luò)。
一、核心分析工具矩陣
KEGG 提供了從基因注釋到通路可視化的完整工具鏈，無(wú)需復(fù)雜編程即可完成標(biāo)準(zhǔn)化分析流程。
1. 通路富集分析工具（KEGG Mapper）
KEGG Mapper 的 "Search & Color Pathway" 功能是最常用的分析模塊。通過(guò)輸入基因 / 蛋白列表，可實(shí)現(xiàn)：
- 自動(dòng)映射到相關(guān)通路并計(jì)算富集程度
- 用顏色標(biāo)記基因表達(dá)變化（紅色上調(diào) / 藍(lán)色下調(diào)）
- 支持物種特異性通路篩選（如 hsa 為人類，mmu 為小鼠）
操作關(guān)鍵步驟：先通過(guò) UniProt 將基因名轉(zhuǎn)換為 Entry ID，在輸入框粘貼 ID 列表時(shí)需按 "基因 ID, 顏色代碼" 格式排列，如 "P12345,red"。物種選擇需與研究對(duì)象嚴(yán)格匹配，否則會(huì)導(dǎo)致映射率偏低。
2. 基因功能注釋工具（BlastKOALA/GhostKOALA）
針對(duì)無(wú)參考基因組的物種或新基因，這兩個(gè)工具可通過(guò)序列比對(duì)實(shí)現(xiàn)：
- 快速注釋基因的 KO 編號(hào)及功能分類
- 支持批量提交 fasta 格式序列（最多 5000 條）
- 輸出結(jié)果包含 KO 分組、通路關(guān)聯(lián)度評(píng)分
其中 GhostKOALA 速度更快，適合大規(guī)模基因組數(shù)據(jù)注釋，而 BlastKOALA 精度更高，推薦用于中小型基因集分析。2025 年更新后，工具新增了病毒基因組的專屬注釋模塊。
3. 通路可視化工具（Pathview 網(wǎng)頁(yè)版）
作為經(jīng)典 R 包 Pathview 的在線版本，該工具無(wú)需編程即可實(shí)現(xiàn)：
- 多組學(xué)數(shù)據(jù)的通路整合展示（基因 + 代謝物）
- 自動(dòng)計(jì)算并標(biāo)注基因表達(dá)差異倍數(shù)
- 支持輸出高清 SVG 格式通路圖用于論文發(fā)表
與 KEGG Mapper 相比，Pathview 能同時(shí)展示連續(xù)型表達(dá)數(shù)據(jù)，更適合時(shí)間序列或劑量效應(yīng)實(shí)驗(yàn)數(shù)據(jù)分析。
二、標(biāo)準(zhǔn)化分析流程實(shí)戰(zhàn)
以 RNA-seq 差異基因數(shù)據(jù)為例，完整分析流程包括 ID 轉(zhuǎn)換、富集計(jì)算和可視化三個(gè)核心步驟。
1. 數(shù)據(jù)預(yù)處理：ID 格式標(biāo)準(zhǔn)化
KEGG 分析對(duì) ID 格式要求嚴(yán)格，需將基因名轉(zhuǎn)換為官方認(rèn)可的格式：
- 人類基因推薦使用 Entrez ID 或 UniProt ID
- 模式生物可直接使用基因符號(hào)（需確認(rèn)物種匹配）
- 轉(zhuǎn)換工具推薦 UniProt 的 ID mapping 功能（設(shè)置參數(shù)為 "Gene name→UniProtKB→物種"）
轉(zhuǎn)換后需檢查 ID 完整性，剔除無(wú)法匹配的基因（一般保留率應(yīng)≥70%）。
2. 通路富集分析核心步驟
富集分析本質(zhì)是通過(guò)超幾何檢驗(yàn)判斷目標(biāo)基因在特定通路中的分布是否具有統(tǒng)計(jì)學(xué)顯著性。公式為：
P(X≥m) = 1-Σ(k=0 to m-1)[C(M,k)×C(N-M,n-k)/C(N,n)]
其中：
- N：背景基因中具有 KEGG 注釋的總基因數(shù)
- n：目標(biāo)差異基因總數(shù)
- M：背景基因中注釋到某通路的基因數(shù)
- m：目標(biāo)基因中注釋到該通路的基因數(shù)
實(shí)操步驟：
1. 登錄 KEGG Mapper 選擇 "Search Pathway"
2. 輸入轉(zhuǎn)換后的基因 ID，選擇對(duì)應(yīng)物種（如 hsa）
3. 設(shè)置顯著性閾值（推薦 qvalue≤0.05）
4. 執(zhí)行分析獲取富集結(jié)果表
3. 結(jié)果可視化方法
顯著富集通路的展示常用兩種圖形：
- 氣泡圖：橫坐標(biāo)為 GeneRatio（通路中差異基因占比），縱坐標(biāo)為通路名稱，點(diǎn)大小表示基因數(shù)，顏色表示 q 值（紅色越顯著）
- 通路著色圖：在標(biāo)準(zhǔn)通路圖上用顏色標(biāo)記差異基因，直觀展示通路激活或抑制狀態(tài)
使用 Prism 繪圖時(shí)，建議氣泡圖點(diǎn)大小范圍設(shè)為 5-30，q 值顏色梯度分 5 級(jí)更易區(qū)分顯著程度。
三、結(jié)果解讀與進(jìn)階技巧
1. 富集結(jié)果關(guān)鍵指標(biāo)解讀
- 富集因子（Rich factor）：基因比率（m/n）與背景比率（M/N）的比值，反映富集程度
- q 值：經(jīng)多重檢驗(yàn)校正后的 p 值，比原始 p 值更嚴(yán)格（q≤0.05 為顯著富集）
- 通路層級(jí)：注意區(qū)分全局通路（map 開頭）與物種特異性通路（如 hsa 開頭）
例如在肝癌研究中，若 hsa04110 細(xì)胞周期通路 q=0.002，包含 15 個(gè)差異基因，提示細(xì)胞增殖異常可能與肝癌發(fā)生密切相關(guān)。
2. 批量分析與編程接口
對(duì)于高通量數(shù)據(jù)，可通過(guò) KEGG REST API 實(shí)現(xiàn)批量分析：
- 獲取物種通路列表：http://rest.kegg.jp/list/pathway/hsa
- 批量注釋基因 KO：http://rest.kegg.jp/link/ko/hsa:10458
- 導(dǎo)出通路圖片：http://rest.kegg.jp/get/hsa04110/image
R 語(yǔ)言用戶可結(jié)合 clusterProfiler 包，一行代碼實(shí)現(xiàn)富集分析：
3. 常見(jiàn)問(wèn)題解決方案
- 映射率低：檢查 ID 格式是否正確，嘗試多種 ID 類型轉(zhuǎn)換
- 無(wú)顯著通路：擴(kuò)大差異基因篩選閾值，或增加樣本量
- 通路重疊：利用 BRITE 數(shù)據(jù)庫(kù)進(jìn)行功能歸類合并相似通路
四、分析結(jié)果的生物學(xué)解讀原則
富集分析的最終目的是解釋生物學(xué)現(xiàn)象，需注意：
1. 優(yōu)先關(guān)注 q 值小且包含差異基因多的通路
2. 結(jié)合研究背景篩選通路（如癌癥研究重點(diǎn)關(guān)注信號(hào)轉(zhuǎn)導(dǎo)、代謝通路）
3. 注意通路間的相互作用（如 PI3K-AKT 與凋亡通路的交叉調(diào)控）
4. 驗(yàn)證關(guān)鍵基因的表達(dá)變化（避免單純依賴生物信息學(xué)分析）
KEGG 數(shù)據(jù)分析功能將零散的基因數(shù)據(jù)轉(zhuǎn)化為系統(tǒng)化的通路知識(shí)，是連接組學(xué)數(shù)據(jù)與生物學(xué)機(jī)制的關(guān)鍵橋梁。熟練掌握這些工具，能顯著提升實(shí)驗(yàn)數(shù)據(jù)的解讀效率。
下次內(nèi)容我們將結(jié)合具體研究案例，展示 KEGG 分析如何應(yīng)用于論文數(shù)據(jù)挖掘，教你寫出更具深度的機(jī)制性討論。
【免責(zé)聲明】發(fā)布內(nèi)容來(lái)源于互聯(lián)網(wǎng)、業(yè)內(nèi)人士投稿以及微信公眾號(hào)等公開資源，我們對(duì)文中觀點(diǎn)持中立態(tài)度，文中觀點(diǎn)不代表本平臺(tái)的立場(chǎng)。所有文章僅供讀者參考和交流使用。轉(zhuǎn)載的文章版權(quán)歸原作者所有，如有侵權(quán)行為，請(qǐng)及時(shí)與我們聯(lián)系以便刪除。
