alterlab-kegg

KEGG 数据库

概述

KEGG（京都基因与基因组百科全书）是一项综合性的生物信息学资源，用于生物通路分析和分子相互作用网络研究。

重要提示：KEGG API 仅向学术用户开放学术用途；非学术用途需要商业许可证（通过 Pathway Solutions 获取）。KEGG 要求客户端每秒最多调用 API 3 次，超过限制的客户端会被屏蔽，因此 scripts/kegg_api.py 中的辅助函数会自动限制调用频率。

何时使用此技能

需要使用 KEGG 的 REST API 查询多种生物体的通路、基因、化合物、酶、疾病和药物时，应使用此技能。

不适用的场景

场景	改用
蛋白质-蛋白质相互作用网络和 STRING 富集分析	alterlab-string-db
蛋白质序列、功能注释、UniProt ID 映射	alterlab-uniprot
开放许可的人工整理通路和过度代表分析	alterlab-reactome
可查询 KEGG、UniProt、ChEMBL 等资源的 Python 封装	alterlab-bioservices
人类代谢物浓度、体液、生物标志物证据	alterlab-hmdb

快速开始

此技能提供：

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

用户请求 KEGG 数据时，请确定所需的操作，并使用 scripts/kegg_api.py 中相应的函数。

核心操作

1. 数据库信息（kegg_info）

获取 KEGG 数据库的元数据和统计信息。

使用场景：了解数据库结构、检查可用数据、获取版本信息。

用法：

from scripts.kegg_api import kegg_info

# Get pathway database info
info = kegg_info('pathway')

# Get organism-specific info
hsa_info = kegg_info('hsa')  # Human genome

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

2. 列出条目（kegg_list）

列出 KEGG 数据库中的条目标识符和名称。

使用场景：获取某个生物体的所有通路、列出基因、检索化合物目录。

用法：

from scripts.kegg_api import kegg_list

# List all reference pathways
pathways = kegg_list('pathway')

# List human-specific pathways
hsa_pathways = kegg_list('pathway', 'hsa')

# List specific genes (max 10)
genes = kegg_list('hsa:10458+hsa:10459')

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

3. 搜索（kegg_find）

根据关键词或分子属性搜索 KEGG 数据库。

使用场景：按名称或描述查找基因、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

# Keyword search
results = kegg_find('genes', 'p53')
shiga_toxin = kegg_find('genes', 'shiga toxin')

# Chemical formula search (partial match, atom order ignored)
compounds = kegg_find('compound', 'C7H10N4O2', 'formula')

# Molecular weight range search
drugs = kegg_find('drug', '300-310', 'exact_mass')

搜索选项：formula（部分匹配——查找分子式中包含查询内容的条目，不考虑原子顺序）、exact_mass（范围，按查询值的小数位数取整）、mol_weight（范围）

4. 获取条目（kegg_get）

获取完整数据库条目或特定数据格式。

使用场景：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

# Get pathway entry
pathway = kegg_get('hsa00010')  # Glycolysis pathway

# Get multiple entries (max 10)
genes = kegg_get(['hsa:10458', 'hsa:10459'])

# Get protein sequence (FASTA)
sequence = kegg_get('hsa:10458', 'aaseq')

# Get nucleotide sequence
nt_seq = kegg_get('hsa:10458', 'ntseq')

# Get compound structure
mol_file = kegg_get('cpd:C00002', 'mol')  # ATP in MOL format

# Get pathway image (PNG) — single entry only
pathway_img = kegg_get('hsa05130', 'image')

# Get pathway KGML (XML structure) — single entry only
pathway_kgml = kegg_get('hsa05130', 'kgml')

# Get a BRITE hierarchy as JSON (json is for BRITE, not pathways)
brite_json = kegg_get('br:br08301', 'json')

输出格式：aaseq（蛋白质 FASTA）、ntseq（核苷酸 FASTA）、mol／kcf（化合物／聚糖／药物结构）、image（PNG，通路图及化合物／聚糖／药物）、image2x（尺寸加倍的 PNG，仅限参考 map#####）、kgml（通路 XML）、conf（通路图坐标）、json（仅限 BRITE 层级——/get/hsa05130/json 会返回 HTTP 400）

重要提示：image、image2x 和 kgml 每次仅允许处理一个条目。序列和结构格式最多支持 10 个条目。

5. ID 转换（kegg_conv）

在 KEGG 与外部数据库之间转换标识符。

使用场景：将 KEGG 数据与其他数据库整合、映射基因 ID、转换化合物标识符。

用法：

from scripts.kegg_api import kegg_conv

# Convert all human genes to NCBI Gene IDs
conversions = kegg_conv('ncbi-geneid', 'hsa')

# Convert specific gene
gene_id = kegg_conv('ncbi-geneid', 'hsa:10458')

# Convert to UniProt
uniprot_id = kegg_conv('uniprot', 'hsa:10458')

# Convert compounds to PubChem
pubchem_ids = kegg_conv('pubchem', 'compound')

# Reverse conversion (NCBI Gene ID to 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）

查找 KEGG 数据库内部及数据库之间的相关条目。

适用场景：查找包含特定基因的通路、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

# Find pathways linked to human genes
pathways = kegg_link('pathway', 'hsa')

# Get genes in a specific pathway: the target is the organism code
# ('genes' as the target returns HTTP 400)
genes = kegg_link('hsa', 'hsa00010')  # Glycolysis genes

# Find pathways containing a specific gene
gene_pathways = kegg_link('pathway', 'hsa:10458')

# Find compounds in a pathway: compounds link to reference maps (map#####);
# the organism-specific hsa00010 returns an empty body
compounds = kegg_link('compound', 'map00010')

# Map genes to KO (orthology) groups
ko_groups = kegg_link('ko', 'hsa:10458')

常见链接：基因 ↔ pathway（将物种代码（如 hsa）用作基因侧数据库）、参考 pathway（map）↔ compound、pathway ↔ enzyme、基因 ↔ ko（直系同源）。即使 list 输出在 2023 年移除了前缀，链接输出仍会保留前缀（path:hsa04010、cpd:C00022）。

7. 药物-药物相互作用（kegg_ddi）

检查药物之间的相互作用。

适用场景：分析药物组合、检查禁忌症、开展药理学研究。

用法：

from scripts.kegg_api import kegg_ddi

# Check single drug
interactions = kegg_ddi('D00001')

# Check multiple drugs (max 10)
interactions = kegg_ddi(['D00001', 'D00002', 'D00003'])

常见分析工作流

工作流 1：基因到通路映射

使用场景：查找与关注基因相关的通路（例如，用于通路富集分析）。

from scripts.kegg_api import kegg_find, kegg_link, kegg_get

# Step 1: Find gene ID by name
gene_results = kegg_find('genes', 'p53')

# Step 2: Link gene to pathways
pathways = kegg_link('pathway', 'hsa:7157')  # TP53 gene

# Step 3: Get detailed pathway information
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)
        # Process pathway information

工作流 2：通路富集背景

使用场景：获取物种通路中的所有基因，用于富集分析。

from collections import defaultdict

from scripts.kegg_api import kegg_list, kegg_link

# Step 1: pathway names (one call)
names = dict(line.split('\t', 1) for line in kegg_list('pathway', 'hsa').splitlines() if line)

# Step 2: every gene-pathway link for the organism in ONE call, instead of one
# request per pathway (~370 calls would take minutes at KEGG's 3 calls/s limit)
gene_sets = defaultdict(set)
for line in kegg_link('pathway', 'hsa').splitlines():
    gene, path = line.split('\t')           # 'hsa:10327', 'path:hsa00010'
    gene_sets[path.removeprefix('path:')].add(gene)

# gene_sets['hsa00010'] -> set of KEGG gene IDs for Glycolysis / Gluconeogenesis

工作流 3：化合物到通路分析

使用场景：查找包含关注化合物的代谢通路。

from scripts.kegg_api import kegg_find, kegg_link, kegg_get

# Step 1: Search for compound
compound_results = kegg_find('compound', 'glucose')

# Step 2: Link compound to reactions
reactions = kegg_link('reaction', 'cpd:C00031')  # Glucose

# Step 3: Link reactions to pathways
pathways = kegg_link('pathway', 'rn:R00299')  # Specific reaction

# Step 4: Get pathway details
pathway_info = kegg_get('map00010')  # Glycolysis

工作流 4：跨数据库整合

使用场景：将 KEGG 数据与 UniProt、NCBI 或 PubChem 数据库整合。

from scripts.kegg_api import kegg_conv, kegg_get

# Step 1: Convert KEGG gene IDs to external database IDs
uniprot_map = kegg_conv('uniprot', 'hsa')
ncbi_map = kegg_conv('ncbi-geneid', 'hsa')

# Step 2: Parse conversion results
for line in uniprot_map.split('\n'):
    if line:
        kegg_id, uniprot_id = line.split('\t')
        # Use external IDs for integration

# Step 3: Get sequences using KEGG
sequence = kegg_get('hsa:10458', 'aaseq')

工作流 5：物种特异性通路分析

使用场景：比较不同物种中的通路。

from scripts.kegg_api import kegg_list, kegg_get

# Step 1: List pathways for multiple organisms
human_pathways = kegg_list('pathway', 'hsa')
mouse_pathways = kegg_list('pathway', 'mmu')
yeast_pathways = kegg_list('pathway', 'sce')

# Step 2: Get reference pathway for comparison
ref_pathway = kegg_get('map00010')  # Reference glycolysis

# Step 3: Get organism-specific versions
hsa_glycolysis = kegg_get('hsa00010')
mmu_glycolysis = kegg_get('mmu00010')

通路类别

KEGG 将通路分为七大类别。解读通路 ID 或向用户推荐通路时，请参考以下分类：

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 信号通路，map02010 - ABC 转运蛋白）
4. 细胞过程（例如，map04140 - 自噬，map04210 - 细胞凋亡）
5. 个体系统（例如，map04610 - 补体级联，map04910 - 胰岛素信号通路）
6. 人类疾病（例如，map05200 - 癌症通路，map05010 - 阿尔茨海默病）
7. 药物开发（按时间顺序和靶标分类）

详细的通路列表和分类请参阅 references/kegg_reference.md。

重要标识符和格式

通路 ID

• map##### - 参考通路（通用，不特定于某个物种）
• 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，ATP 的 ID 为 cpd:C00002）

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 Orthology）ID

• 格式：ko:K#####（例如，ko:K00001）

API 限制

使用 KEGG API 时，请遵守以下限制：

1. 条目数量限制：每次操作最多 10 个条目（image/image2x/kgml 除外，这些操作每次仅允许 1 个条目）
2. 学术用途：API 仅供学术用途；商业用途需要获得许可
3. HTTP 状态码：检查 200（成功）、400（请求错误）、404（未找到）
4. 速率限制：每秒最多 3 次调用——超出限制的客户端会被 KEGG 屏蔽。优先使用批量调用（/link/pathway/hsa、/conv/ncbi-geneid/hsa），而不是逐条循环调用

详细参考

完整的 API 文档、数据库规范、物种代码和进阶用法，请参阅 references/kegg_reference.md。其中包括：

• KEGG 数据库完整列表
• 详细的 API 操作语法
• 所有物种代码
• HTTP 状态码和错误处理
• 与 Biopython 和 R/Bioconductor 的集成
• API 使用最佳实践

故障排除

404 Not Found：条目或数据库不存在；请核对 ID 和生物体代码 400 Bad Request：API 调用中存在语法错误；请检查参数格式 结果为空：搜索词可能与条目不匹配；请尝试更宽泛的关键词 图像/KGML 错误：image/image2x/kgml 仅适用于单个条目；请移除批量处理 通路返回 400 错误：json 仅适用于 BRITE 层级结构（例如 br:br08301）；通路结构请使用 kgml

其他工具

如需交互式通路可视化和注释：

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