kegg-database

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 仅供学术用户用于学术用途。

何时使用此技能

在使用 KEGG 的 REST API 查询多个生物体中的通路、基因、化合物、酶、疾病和药物时，应使用此技能。

快速入门

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. 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）

检索有关 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/描述查找基因、按分子式或质量搜索化合物、通过关键词查找条目。

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 (exact match)
compounds = kegg_find('compound', 'C7H10N4O2', 'formula')

# Molecular weight range search
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。

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 as JSON (single entry only)
pathway_json = kegg_get('hsa05130', 'json')

# Get pathway image (single entry only)
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）

重要提示：图像、KGML 和 JSON 格式一次仅允许处理一个条目。

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 数据与其他数据库集成、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 数据库内及数据库之间的相关条目。

使用场景：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 分组、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
genes = kegg_link('genes', 'hsa00010')  # Glycolysis genes

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

# Find compounds in a pathway
compounds = kegg_link('compound', 'hsa00010')

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

常见关联：基因 ↔ 通路、通路 ↔ 化合物、通路 ↔ 酶、基因 ↔ ko（直系同源）

7. 药物相互作用（kegg_ddi）

检查药物之间的相互作用。

使用场景：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：查找与目标基因相关的通路（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：通路富集背景分析

使用场景：获取生物体通路中的所有基因，用于富集分析。

from scripts.kegg_api import kegg_list, kegg_link

# Step 1: List all human pathways
pathways = kegg_list('pathway', 'hsa')

# Step 2: For each pathway, get associated genes
for pathway_line in pathways.split('\n'):
    if pathway_line:
        pathway_id = pathway_line.split('\t')[0]
        genes = kegg_link('genes', pathway_id)
        # Process genes for enrichment analysis

工作流 3：化合物到通路分析

使用场景：查找包含目标化合物的代谢通路。

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：跨数据库集成

使用场景：将 KEGG 数据与 UniProt、NCBI 或 PubChem 数据库集成。

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：特定生物体的通路分析

使用场景：比较不同生物体的通路。

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，请参考以下类别：

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. 生物体系统（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（按时间顺序和基于靶点的分类）

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. 条目数限制：每次操作最多 10 个条目（image/kgml/json 除外，这些格式每次只能处理 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：检查状态码是否为 200（成功）、400（错误请求）或 404（未找到）
4. 速率限制：没有明确限制，但请避免快速连续发送请求

详细参考资料

有关 API 文档、数据库规范、物种代码和高级用法的完整信息，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 和物种代码
400 Bad Request：API 调用中的语法错误；请检查参数格式
结果为空：搜索词可能与条目不匹配；请尝试使用更宽泛的关键词
Image/KGML 错误：这些格式仅支持单个条目；请移除批处理

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