如何分析KEGG Genes 數(shù)據(jù)庫(kù)

這篇文章將為大家詳細(xì)講解有關(guān)如何分析KEGG Genes 數(shù)據(jù)庫(kù)，文章內(nèi)容質(zhì)量較高，因此小編分享給大家做個(gè)參考，希望大家閱讀完這篇文章后對(duì)相關(guān)知識(shí)有一定的了解。

kegg  genes 數(shù)據(jù)庫(kù)收錄了物種的基因信息。 kegg 使用自己定義的ID 唯一區(qū)別每個(gè)基因，叫做kegg gene ID。

對(duì)于每個(gè)基因，除了給出對(duì)應(yīng)的物種，染色體位置，ncbi-gene ID，DNA 序列， 蛋白序列等基本信息以外，還會(huì)給出這個(gè)基因?qū)?yīng)的KO， module, pathway 等注釋信息。

其中KO 注釋是核心，kegg  提供了兩種工具，用于基因的KO 注釋

1. 對(duì)于單個(gè)物種的基因組，使用BlastKOALA 工具；

2. 對(duì)于環(huán)境微生物，使用GhostKOALA 工具進(jìn)行注釋；

   
   

截止到2018年3月7號(hào)，所有基因的注釋情況如下：

http://www.kegg.jp/kegg/docs/genes_statistics.html

基因從功能上分成了兩大類，編碼蛋白基因和非編碼蛋白基因。從注釋信息的角度，提供了KO , pathway, Enzyme 共3種kegg 的注釋。

我們來想詳細(xì)看下human 基因的注釋情況

目前共收錄了20380個(gè)蛋白編碼基因，其中13226 個(gè)基因有KO 注釋；19172 個(gè)非編碼基因，其中 315個(gè)有KO 注釋；有pathway 注釋的只有 7376 個(gè)基因，而有Enzyme 酶類注釋的只有3261 個(gè)基因。其中pathway 相關(guān)基因只有7376個(gè)，這個(gè)數(shù)字值得我們重點(diǎn)關(guān)注。

對(duì)于轉(zhuǎn)錄組分析而言，KEGG的富集分析是常用的功能分析手段，而20380個(gè)蛋白編碼基因中，只有30%左右的基因有pathway 信息，剩下的沒有pathway 相關(guān)信息的基因，在富集分析時(shí) ，會(huì)被忽略掉了。所以pathway 富集分析還是有一定的局限性的。

這里我列出了人，小鼠，大鼠基因的pathway 注釋情況

總體來看，有pathway注釋信息的基因比例都很低。pathway 是基于我們已有的認(rèn)知來構(gòu)建的 ，隨著研究的不斷深入和進(jìn)行，pathway 數(shù)據(jù)庫(kù)也會(huì)越來越大， 也會(huì)有更多的基因有pathway 相關(guān)的信息。現(xiàn)階段，由于我們對(duì)基因功能認(rèn)知的局限，只能對(duì)那些有pathway 信息的基因去研究。所以在富集分析時(shí)，我們需要綜合多個(gè)數(shù)據(jù)庫(kù)的結(jié)果， 比如 GO, Reatcome 等數(shù)據(jù)庫(kù)。

1. kegg genes 數(shù)據(jù)庫(kù)收錄了基因的信息，包括了編碼基因和非編碼基因。

2. 對(duì)于單基因組，采用BlastKOALA 進(jìn)行KO 注釋；對(duì)于宏基因組，采用GhostKOALA 進(jìn)行注釋。

3. 由于我們現(xiàn)階段對(duì)基因功能認(rèn)知的局限性，有pathway注釋信息的基因比例較低，在進(jìn)行功能富集分析時(shí)，建議綜合多個(gè)數(shù)據(jù)庫(kù)的結(jié)果。

關(guān)于如何分析KEGG Genes 數(shù)據(jù)庫(kù)就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，可以學(xué)到更多知識(shí)。如果覺得文章不錯(cuò)，可以把它分享出去讓更多的人看到。