手把手教你如何使用KEGG数据库

代谢物常用的数据库包括KEGG、HMDB、MONA、METLIN、MassBank、mzCloud、GNPS、LipidBlast、Lipidmaps、NIST、Fiehn等。本期伯小医为大家着重介绍KEGG数据库。KEGG全称为京都基因和基因组百科全书（Kyoto Encyclopedia of Genes and Genomes），是整合了基因组、蛋白组、代谢组、化学和系统功能信息的综合数据库，由日本京都大学Kanehisa实验室于1995年推出。KEGG数据库是连接已知分子间相互作用的信息网络，是国际最常用的生物信息数据库之一，也是代谢组学研究中重要的一个工具网站。

01 KEGG主页介绍

KEGG的官方网址为：https://www.kegg.jp/。进入KEGG官网，它的主页主要由导航栏、搜索框、简介、数据库、分析工具5个部分组成，其中，医学代谢组常用的4个链接分别是KEGG PATHWAY、KEGG ORTHOLOGY、KEGG COMPOUND、KEGG DISEASE，因此接下来，我们对于这四部分内容进行详细介绍。

02 KEGG PATHWAY

KEGG PATHWAY数据库广泛地被用于高通量数据的注释。KEGG PATHWAY是一系列手工绘制的代谢通路的集合，反映了人们目前对于分子间相互作用和反应网络的认识。在点击KEGG PATHWAY之后，我们进入了以下界面。KEGG PATHWAY界面由搜索框、通路图（Pathway Maps）、Pathway Identifiers（通路标识）3个部分组成。搜索框可输入代谢通路的编号或代谢物英文名称进行检索查询。

通路图可以分为三个层级，第一级包括：新陈代谢（Metabolism）、遗传信息处理（Genetic Information Processing）、环境信息处理（Environmental Information Processing）、细胞过程（Cellular Process）、生物体系统（Organismal Systems）、人类疾病（Human Diseases）、药物开发（Drug Development））7个部分。一级目录下又有多个二级目录，二级目录下有多个相关的信号通路。比如Metabolism就是一级目录，其下面包括了Global and overview maps、Carbohydrate metabolism、Energy metabolism、Lipid metabolism等十几个二级通路。而二级通路下又会包含若干个3级通路。比如图中的Global and overview maps下面又包含了Metabolic pathways、Biosynthesis of secondary metabolites、Microbial metabolism in diverse environments等13个3级通路。

在通路标识中每个通路图由字母的前缀代码和5位数字的组合来标识，具体见下表。在代谢组、多组学、医学研究中，我们使用比较多的是pathway、ko、genes、compound、enzyme、disease这6个。

点击pathway，返回到了KEGG PATHWAY首页，然后在Enter keywords搜索框中输入map编号或者或代谢物英文名称，点击Go，即可进行检索查询。以氨基酸合成通路为案例，氨基酸合成通路为map01230，Enter keywords中输入01230，进入以下界面。该页面包括通路编号（Entry）、缩略通路图（Thumbnail Image）、通路的名称（Name）、通路的描述（Description）、对象（Object）、说明（Legend）。

点击map01230蓝色字链接，进入以下页面（下图为部分截图），该页面主要包括：通路map编号（Entry）、通路名称（name）、通路描述（Description）、通路分类（Class）、通路图（Pathway map）、模块（Module）、通路KO编号（KO pathway）。如果是其它通路还可能有其他数据库链接（Other DBs）、相关文章链接（Reference Authors Title Journal）、相关通路编号（Related pathway）等。

在这些模块中，我们用的最多的是Pathway map，点击map01230链接，进入该通路图。通路图主要由圆圈和箭头构成，圆圈代表的是代谢物，箭头代表代谢物之间的关系。在其它map中，还可能有长方形框，代表的是基因信息。

点击关注的圆圈，可进入代谢物的相关信息界面，该页面主要包括：代谢物的编号（Entry）、名称（Name）、分子式（Formula）、精确分子量（Exact mass ）、摩尔质量（Mol weight）、分子结构（Structure）、反应（Reaction）、代谢通路（Pathway）、模块（Module）、酶（Enzyme）、其他数据库编号（Other DBs）、其他数据库的链接（LinkDB）、KCF数据（KCF data）。其中常用的模块如下图框出来的部分。

03 KEGG ORTHOLOGY

KEGG ORTHOLOGY（简称 KO）数据库，是一个基于同源基因具有相似功能的假设，对基因进行的分类系统。每个KO代表一个来自不同物种的直系同源基因组，这些基因在同一条通路上有相似的功能。KO帮助研究者在不同物种之间寻找并研究同源基因及其功能。在KO数据库的页面上，能够通过输入K number或者基因名称来查询相关的同源信息，并且在得到的查询结果中，还具备对不同物种进行筛选的功能，以满足更加精准的查询需求。如果我们只是关注某个KO，可以直接通过该数据库查询相关的信息。返回KEGG首页，点击KEGG Database下的KEGG ORTHOLOGY，进入KO界面，然后在for后面搜索框中输入KO编号或者或代谢物英文名称，点击Go，即可进行检索查询。

同样以氨基酸合成通路为案例，氨基酸合成通路KO号为01230，搜索框中输入01230，点击Go，然后继续点击KO01230蓝色字链接进入以下界面（下图为部分截图）。该页面主要包括：通路KO编号（Entry）、基因标识符（Symbol）、名称（Name）、通路map编号（Pathway）、模块（Module）、反应（Reaction）、层次分类（Brite）、其他数据库编号（Other DBs）、基因（Genes）、相关文章链接（Reference Authors Title Journal）、其他数据库的链接（LinkDB）。对于该页面中的蓝色字体，都可以点击进入对应的页面。

04 KEGG COMPOUND

KEGG Compound是一个综合性化合物的数据库，涵盖了丰富多样的化学物质信息。该数据库详细收录了每种化合物的化学结构、分子式、分子量等基本理化性质，同时，还整合了它们在不同生物体中的代谢角色、参与的代谢反应以及与其他化合物的相互作用关系等信息。这使得科研人员能够追踪化合物在复杂代谢通路中的流动和转化，对于解析生物代谢机制、药物研发以及理解生物体的生理过程等有着不可或缺的作用，是生物信息学和系统生物学研究中常用的重要资源之一。如果我们只是关注某个代谢物，可以直接通过该数据库查询相关的信息。返回KEGG首页，点击KEGG Database下的KEGG Compound，进入以下面，然后在搜索框中输入物质的C号、英文名、分子式、精确分子质量，点击Go，即可进行检索查询。

以L-色氨酸为案例，L-色氨酸的C号为C00078，英文名称为L-Tryptophan，分子式为C11H12N2O2，精确分子质量为204.0899。搜索框中输入C00078，点击Go，然后继续点击C00078红色字链接进入以下界面（下图为部分截图）。该页面和前面Pathway Map代谢物的相关信息界面包括的内容一样，这里就不再详细说明。

搜索框中输入L-Tryptophan，点击Go，然后进入以下界面。该页面出现多个物质，一般出现的物质包含有相同的英文文字部分，因为一个代谢物可能对应多个英文名，故优先选择名称完全一致的物质进行查询。如该案例中第一个物质英文名完全一致，故选择第一个进行查询，点击C00078链接即可进入代谢物的相关信息界面。

搜索框中输入C11H12N2O2或204.0899，点击Go，发现进入的界面和上面输入L-Tryptophan一样，会出现多个物质。这是因为同分异构体的存在，即物质组成元素和个数一致，但是其排列结构不同。这种现象出现的原因主要是碳原子可以形成四个共价键，导致多种结构异构体的存在。

05 KEGG DISEASE

KEGG DISEASE是一个综合的人类疾病数据库，旨在通过计算机处理来整合疾病信息。KEGG DISEASE提供了疾病相关的基因、分子途径和药物信息，帮助研究人员理解疾病机制。它通过整合基因和环境因素，为研究疾病提供了全面视角。此外，KEGG DISEASE还与KEGG PATHWAY等其他数据库协作，将疾病基因和药物靶点整合到通路图中，以可视化方式呈现疾病相关的分子网络。这种整合有助于发现疾病标志物和开发个性化疗法。如果我们只是关注某种疾病，可以直接通过该数据库查询相关的信息。返回KEGG首页，点击KEGG Database下的KEGG DISEASE，进入以下面，然后在搜索框中输入疾病H编号、名称、描述、类别、途径、基因，也可在KEGG MEDICUS数据库进行查询，点击Go，即可进行检索查询。

以非小细胞肺癌为案例，非小细胞肺癌的H编号为H00014，英文名称为Non-small cell lung cancer，描述根据文献等资料填写，类别为cancer，途径为hsa05223，相关基因有K05119、K05088等。搜索框中输入H00014，点击Go,然后进入以下界面。该页面包括疾病（DISEASE）、DRUG（药物）、药物分组（DGROUP）和化合物（COMPOUND）4大模块。

在DISEASE页面，点击H00014蓝色字链接进入以下界面（下图为部分截图）。该页面包括疾病编号（Entry）、名称（Name Supergrp）、描述（Description）、类别（Category）、层次分类（Brite）、疾病通路（Disease pathway）、关系网（Network）、基因（Genes）、药物（Drug）、其他数据库编号（Other DBs）、相关文章链接（Reference Authors Title Journal）、其他数据库的链接（LinkDB）。点击关注的蓝色字链接可进入对应的界面。

在DRUG页面，该页面出现多个药物，一个药物也对应多种疾病。然后点击关注的药物编号蓝色字链接，如点击第一个D00491即可进入以下界面（下图为部分截图）。该页面包括药物编号（Entry）、名称（Name）、产品信息（Product Generic）、分子式（Formula）、精确分子量（Exact mass）、摩尔质量（Mol weight）、分子结构（Structure）、类似化合物（Simcomp）、来源（Source）、分类（Class）、注释（Remark）、疾病疗效（Efficacy Disease）、说明（Comment）、靶标通路（Target）、代谢（Metabolism）、相互作用（Interaction）、结构通路图（Structure map）、其它通路图（Other map）、层次分类（Brite）、其他数据库编号（Other DBs）、KCF数据（KCF data）。点击关注的蓝色字链接可进入对应的界面。

DGROUP和化合物COMPOUND大多数情况下为0，这里就不再详细描述。