KEGG数据库

KEGG数据库

概述

KEGG（京都基因与基因组百科全书）是生物通路分析和分子相互作用网络的综合生物信息学资源。

重要： KEGG API仅提供给学术用户用于学术使用。

何时使用此技能

当使用KEGG的REST API跨多个生物体查询通路、基因、化合物、酶、疾病和药物时，应使用此技能。

快速开始

此技能提供：

1. 用于所有KEGG REST API操作的Python辅助函数（scripts/kegg_api.py）
2. 综合参考文档（references/kegg_reference.md），包含详细的API规范

当用户请求KEGG数据时，确定需要哪种操作并使用scripts/kegg_api.py中的适当函数。

核心操作

1. 数据库信息（kegg_info）

检索KEGG数据库的元数据和统计信息。

何时使用： 理解数据库结构、检查可用数据、获取发布信息。

用法：

from scripts.kegg_api import kegg_info

# 获取通路数据库信息
info = kegg_info('pathway')

# 获取生物体特定信息
hsa_info = kegg_info('hsa')  # 人类基因组

常用数据库： kegg、pathway、module、brite、genes、genome、compound、glycan、reaction、enzyme、disease、drug

2. 列出条目（kegg_list）

从KEGG数据库列出条目标识符和名称。

何时使用： 获取生物体的所有通路、列出基因、检索化合物目录。

用法：

from scripts.kegg_api import kegg_list

# 列出所有参考通路
pathways = kegg_list('pathway')

# 列出人类特定通路
hsa_pathways = kegg_list('pathway', 'hsa')

# 列出特定基因（最多10个）
genes = kegg_list('hsa:10458+hsa:10459')

常用生物体代码： hsa（人类）、mmu（小鼠）、dme（果蝇）、sce（酵母）、eco（大肠杆菌）

3. 搜索（kegg_find）

按关键词或分子属性搜索KEGG数据库。

何时使用： 按名称/描述查找基因、按分子式或质量搜索化合物、通过关键词发现条目。

用法：

from scripts.kegg_api import kegg_find

# 关键词搜索
results = kegg_find('genes', 'p53')
shiga_toxin = kegg_find('genes', 'shiga toxin')

# 化学式搜索（精确匹配）
compounds = kegg_find('compound', 'C7H10N4O2', 'formula')

# 分子量范围搜索
drugs = kegg_find('drug', '300-310', 'exact_mass')

搜索选项： formula（精确匹配）、exact_mass（范围）、mol_weight（范围）

4. 检索条目（kegg_get）

获取完整的数据库条目或特定数据格式。

何时使用： 检索通路详情、获取基因/蛋白质序列、下载通路图、访问化合物结构。

用法：

from scripts.kegg_api import kegg_get

# 获取通路条目
pathway = kegg_get('hsa00010')  # 糖酵解通路

# 获取多个条目（最多10个）
genes = kegg_get(['hsa:10458', 'hsa:10459'])

# 获取蛋白质序列（FASTA）
sequence = kegg_get('hsa:10458', 'aaseq')

# 获取核苷酸序列
nt_seq = kegg_get('hsa:10458', 'ntseq')

# 获取化合物结构
mol_file = kegg_get('cpd:C00002', 'mol')  # ATP的MOL格式

# 获取通路为JSON（仅单个条目）
pathway_json = kegg_get('hsa05130', 'json')

# 获取通路为图像（仅单个条目）
pathway_img = kegg_get('hsa05130', 'image')

输出格式： aaseq（蛋白质FASTA）、ntseq（核苷酸FASTA）、mol（MOL格式）、kcf（KCF格式）、image（PNG）、kgml（XML）、json（通路JSON）

重要： 图像、KGML和JSON格式仅允许一次一个条目。

5. ID转换（kegg_conv）

在KEGG和外部数据库之间转换标识符。

何时使用： 将KEGG数据与其他数据库集成、映射基因ID、转换化合物标识符。

用法：

from scripts.kegg_api import kegg_conv

# 将所有人类基因转换为NCBI基因ID
conversions = kegg_conv('ncbi-geneid', 'hsa')

# 转换特定基因
gene_id = kegg_conv('ncbi-geneid', 'hsa:10458')

# 转换为UniProt
uniprot_id = kegg_conv('uniprot', 'hsa:10458')

# 将化合物转换为PubChem
pubchem_ids = kegg_conv('pubchem', 'compound')

# 反向转换（NCBI基因ID到KEGG）
kegg_id = kegg_conv('hsa', 'ncbi-geneid')

支持的转换： ncbi-geneid、ncbi-proteinid、uniprot、pubchem、chebi

6. 交叉引用（kegg_link）

在KEGG数据库内部和之间查找相关条目。

何时使用： 查找包含基因的通路、获取通路中的基因、将基因映射到KO组、查找通路中的化合物。

用法：

from scripts.kegg_api import kegg_link

# 查找与人类基因链接的通路
pathways = kegg_link('pathway', 'hsa')

# 获取特定通路中的基因
genes = kegg_link('genes', 'hsa00010')  # 糖酵解基因

# 查找包含特定基因的通路
gene_pathways = kegg_link('pathway', 'hsa:10458')

# 查找通路中的化合物
compounds = kegg_link('compound', 'hsa00010')

# 将基因映射到KO（同源）组
ko_groups = kegg_link('ko', 'hsa:10458')

常用链接： genes ↔ pathway、pathway ↔ compound、pathway ↔ enzyme、genes ↔ ko（同源）

7. 药物-药物相互作用（kegg_ddi）

检查药物-药物相互作用。

何时使用： 分析药物组合、检查禁忌症、药理学研究。

用法：

from scripts.kegg_api import kegg_ddi

# 检查单个药物
interactions = kegg_ddi('D00001')

# 检查多个药物（最多10个）
interactions = kegg_ddi(['D00001', 'D00002', 'D00003'])

常见分析工作流程

工作流程1：基因到通路映射

用例： 查找与感兴趣的基因关联的通路（例如，用于通路富集分析）。

from scripts.kegg_api import kegg_find, kegg_link, kegg_get

# 步骤1：按名称查找基因ID
gene_results = kegg_find('genes', 'p53')

# 步骤2：将基因链接到通路
pathways = kegg_link('pathway', 'hsa:7157')  # TP53基因

# 步骤3：获取详细通路信息
for pathway_line in pathways.split('\n'):
    if pathway_line:
        pathway_id = pathway_line.split('\t')[1].replace('path:', '')
        pathway_info = kegg_get(pathway_id)
        # 处理通路信息

工作流程2：通路富集背景

用例： 获取生物体通路中的所有基因以进行富集分析。

from scripts.kegg_api import kegg_list, kegg_link

# 步骤1：列出所有人类通路
pathways = kegg_list('pathway', 'hsa')

# 步骤2：对于每个通路，获取关联的基因
for pathway_line in pathways.split('\n'):
    if pathway_line:
        pathway_id = pathway_line.split('\t')[0]
        genes = kegg_link('genes', pathway_id)
        # 处理基因以进行富集分析

工作流程3：化合物到通路分析

用例： 查找包含感兴趣化合物的代谢通路。

from scripts.kegg_api import kegg_find, kegg_link, kegg_get

# 步骤1：搜索化合物
compound_results = kegg_find('compound', 'glucose')

# 步骤2：将化合物链接到反应
reactions = kegg_link('reaction', 'cpd:C00031')  # 葡萄糖

# 步骤3：将反应链接到通路
pathways = kegg_link('pathway', 'rn:R00299')  # 特定反应

# 步骤4：获取通路详情
pathway_info = kegg_get('map00010')  # 糖酵解

工作流程4：跨数据库集成

用例： 将KEGG数据与UniProt、NCBI或PubChem数据库集成。

from scripts.kegg_api import kegg_conv, kegg_get

# 步骤1：将KEGG基因ID转换为外部数据库ID
uniprot_map = kegg_conv('uniprot', 'hsa')
ncbi_map = kegg_conv('ncbi-geneid', 'hsa')

# 步骤2：解析转换结果
for line in uniprot_map.split('\n'):
    if line:
        kegg_id, uniprot_id = line.split('\t')
        # 使用外部ID进行集成

# 步骤3：使用KEGG获取序列
sequence = kegg_get('hsa:10458', 'aaseq')

工作流程5：生物体特定通路分析

用例： 比较不同生物体的通路。

from scripts.kegg_api import kegg_list, kegg_get

# 步骤1：列出多个生物体的通路
human_pathways = kegg_list('pathway', 'hsa')
mouse_pathways = kegg_list('pathway', 'mmu')
yeast_pathways = kegg_list('pathway', 'sce')

# 步骤2：获取参考通路以进行比较
ref_pathway = kegg_get('map00010')  # 参考糖酵解

# 步骤3：获取生物体特定版本
hsa_glycolysis = kegg_get('hsa00010')
mmu_glycolysis = kegg_get('mmu00010')

通路类别

KEGG将通路组织为七个主要类别。在解释通路ID或向用户推荐通路时：

1. 代谢（例如，map00010 - 糖酵解、map00190 - 氧化磷酸化）
2. 遗传信息处理（例如，map03010 - 核糖体、map03040 - 剪接体）
3. 环境信息处理（例如，map04010 - MAPK信号传导、map02010 - ABC转运蛋白）
4. 细胞过程（例如，map04140 - 自噬、map04210 - 细胞凋亡）
5. 生物体系统（例如，map04610 - 补体级联、map04910 - 胰岛素信号传导）
6. 人类疾病（例如，map05200 - 癌症通路、map05010 - 阿尔茨海默病）
7. 药物开发（按时间顺序和基于靶点的分类）

有关详细通路列表和分类，请参考references/kegg_reference.md。

重要标识符和格式

通路ID

• map##### - 参考通路（通用，非生物体特定）
• hsa##### - 人类通路
• mmu##### - 小鼠通路

基因ID

• 格式：organism:gene_number（例如，hsa:10458）

化合物ID

• 格式：cpd:C#####（例如，cpd:C00002表示ATP）

药物ID

• 格式：dr:D#####（例如，dr:D00001）

酶ID

• 格式：ec:EC_number（例如，ec:1.1.1.1）

KO（KEGG同源）ID

• 格式：ko:K#####（例如，ko:K00001）

API限制

使用KEGG API时请遵守这些约束：

1. 条目限制： 每次操作最多10个条目（图像/kgml/json：仅1个条目）
2. 学术使用： API仅用于学术使用；商业使用需要许可
3. HTTP状态代码： 检查200（成功）、400（错误请求）、404（未找到）
4. 速率限制： 无明确限制，但避免快速连续请求

详细参考

有关全面的API文档、数据库规范、生物体代码和高级用法，请参阅references/kegg_reference.md。这包括：

• KEGG数据库的完整列表
• 详细的API操作语法
• 所有生物体代码
• HTTP状态代码和错误处理
• 与Biopython和R/Bioconductor的集成
• API使用的最佳实践

故障排除

404未找到： 条目或数据库不存在；验证ID和生物体代码

400错误请求： API调用中的语法错误；检查参数格式

空结果： 搜索词可能不匹配条目；尝试更广泛的关键词

图像/KGML错误： 这些格式仅适用于单个条目；删除批量处理

其他工具

用于交互式通路可视化和注释：

• KEGG Mapper：https://www.kegg.jp/kegg/mapper/
• BlastKOALA：自动化基因组注释
• GhostKOALA：宏基因组/宏转录组注释