如何分析KEGG Genes 數據庫

這篇文章將為大家詳細講解有關如何分析KEGG Genes 數據庫，文章內容質量較高，因此小編分享給大家做個參考，希望大家閱讀完這篇文章后對相關知識有一定的了解。

kegg  genes 數據庫收錄了物種的基因信息。 kegg 使用自己定義的ID 唯一區別每個基因，叫做kegg gene ID。

對于每個基因，除了給出對應的物種，染色體位置，ncbi-gene ID，DNA 序列， 蛋白序列等基本信息以外，還會給出這個基因對應的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. 對于單個物種的基因組，使用BlastKOALA 工具；

2. 對于環境微生物，使用GhostKOALA 工具進行注釋；

   
   

截止到2018年3月7號，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。

我們來想詳細看下human 基因的注釋情況

目前共收錄了20380個蛋白編碼基因，其中13226 個基因有KO 注釋；19172 個非編碼基因，其中 315個有KO 注釋；有pathway 注釋的只有 7376 個基因，而有Enzyme 酶類注釋的只有3261 個基因。其中pathway 相關基因只有7376個，這個數字值得我們重點關注。

對于轉錄組分析而言，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 相關信息的基因，在富集分析時 ，會被忽略掉了。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知來構建的 ，隨著研究的不斷深入和進行，pathway 數據庫也會越來越大， 也會有更多的基因有pathway 相關的信息。現階段，由于我們對基因功能認知的局限，只能對那些有pathway 信息的基因去研究。所以在富集分析時，我們需要綜合多個數據庫的結果， 比如 GO, Reatcome 等數據庫。

1. kegg genes 數據庫收錄了基因的信息，包括了編碼基因和非編碼基因。

2. 對于單基因組，采用BlastKOALA 進行KO 注釋；對于宏基因組，采用GhostKOALA 進行注釋。

3. 由于我們現階段對基因功能認知的局限性，有pathway注釋信息的基因比例較低，在進行功能富集分析時，建議綜合多個數據庫的結果。

關于如何分析KEGG Genes 數據庫就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。