1、基因注釋與功能分類引言隨著后基因組(post-genomics)時(shí)代的來(lái)臨，基因組學(xué)的研究重心開(kāi)始從闡明所有遺傳信息轉(zhuǎn)移到在整體分子水平對(duì)功能進(jìn)行研究。這種轉(zhuǎn)變的一個(gè)重要標(biāo)志是產(chǎn)生了功能基因組學(xué)（functional genomics）。功能基因組學(xué)的主要任務(wù)之一是進(jìn)行基因組功能注釋（genome annotation），了解基因的功能，認(rèn)識(shí)基因與疾病的關(guān)系，掌握基因的產(chǎn)物及其在生命活動(dòng)中的作用等。快速有效的基因注釋對(duì)進(jìn)一步識(shí)別基因，研究基因的表達(dá)調(diào)控機(jī)制，研究基因在生物體代謝途徑中的地位，分析基因、基因產(chǎn)物之間的相互作用關(guān)系，預(yù)測(cè)和發(fā)現(xiàn)蛋白質(zhì)功能，揭示生命的起源和進(jìn)化等具有重要的意義。 Si

2、ngle( SNP/Gene /Tf/miRNA) multi- ( SNP/Gene /Tf/miRNA) system病前期早期中期晚期終末期Cancer information flow： Two linesLife line：Mechanism line：功能模塊代謝通路互作網(wǎng)絡(luò)Analysis ways：+ ways當(dāng)我要知道某基因的功能的時(shí)候怎么辦？（不同物種）（它功能異常會(huì)導(dǎo)致什么疾??？）當(dāng)我要知道某些基因集合的功能的時(shí)候怎么辦？當(dāng)我要知道某些基因或蛋白的關(guān)系及其關(guān)系代表的功能的時(shí)候怎么辦？當(dāng)我要知道某些疾病中那些基因發(fā)生了異常怎么辦？當(dāng)我要知道這些疾病有那些藥物可以治療怎么辦？

3、當(dāng).當(dāng)當(dāng).主要內(nèi)容基因注釋數(shù)據(jù)庫(kù)數(shù)據(jù)庫(kù)使用方法富集分析其他基因注釋數(shù)據(jù)庫(kù)GO通路數(shù)據(jù)庫(kù)蛋白互坐數(shù)據(jù)庫(kù)/ ERGOBioCyc/ GeneDB/ 通路數(shù)據(jù)庫(kù)KEGG 其它通路數(shù)據(jù)庫(kù)：/ReactomeGWT/entrypoint.htmlReactomewikipathways/index.php/WikiPathwaysbiocarta/http:/www.genome.jp/kegg/產(chǎn)生背景科學(xué)家期望能夠根據(jù)基因組中的信息，用計(jì)算機(jī)計(jì)算或者預(yù)測(cè)出比較復(fù)雜的細(xì)胞中的通路或者生物的復(fù)雜行為。出于這個(gè)目的，日本京都大學(xué)生物信息學(xué)中心的Kanehisa實(shí)驗(yàn)室建立了一個(gè)生物信息學(xué)數(shù)據(jù)庫(kù)KEGG。 1

4、995年5月，日本的教育、科學(xué)、體育和文化部攜手建立了KEGG數(shù)據(jù)庫(kù)。經(jīng)過(guò)了18年的發(fā)展，數(shù)據(jù)庫(kù)的規(guī)模不斷的擴(kuò)大，其應(yīng)用價(jià)值也得到了世界范圍內(nèi)的認(rèn)可。 KEGG是系統(tǒng)地分析基因功能、鏈接基因組信息和功能信息的數(shù)據(jù)庫(kù)。數(shù)據(jù)庫(kù)的維護(hù)人員不定期的根據(jù)最近出版的一些學(xué)術(shù)論文和生物學(xué)實(shí)驗(yàn)得到的數(shù)據(jù)對(duì)該數(shù)據(jù)庫(kù)進(jìn)行更新，來(lái)保證數(shù)據(jù)庫(kù)的信息與最近的科研成果同步。 特點(diǎn)KEGG是一個(gè)整合了基因組、化學(xué)和系統(tǒng)功能信息的數(shù)據(jù)庫(kù)。把從已經(jīng)完整測(cè)序的基因組中得到的基因目錄與更高級(jí)別的細(xì)胞、物種和生態(tài)系統(tǒng)水平的系統(tǒng)功能關(guān)聯(lián)起來(lái)是KEGG數(shù)據(jù)庫(kù)的特色之一。人工創(chuàng)建的一個(gè)知識(shí)庫(kù)，這個(gè)知識(shí)庫(kù)是基于使用一種可計(jì)算的形式捕捉和組織

5、實(shí)驗(yàn)得到的知識(shí)而形成的系統(tǒng)功能知識(shí)庫(kù)。它是一個(gè)生物系統(tǒng)的計(jì)算機(jī)模擬。與其他數(shù)據(jù)庫(kù)相比，KEGG 的一個(gè)顯著特點(diǎn)就是具有強(qiáng)大的圖形功能，它利用圖形而不是繁縟的文字來(lái)介紹眾多的代謝途徑以及各途徑之間的關(guān)系，這樣可以使研究者能夠?qū)ζ渌芯康拇x途徑有一個(gè)直觀全面的了解。內(nèi)容各個(gè)數(shù)據(jù)庫(kù)中包含了大量的有用信息?；蚪M信息存儲(chǔ)在GENES數(shù)據(jù)庫(kù)里，包括完整和部分測(cè)序的基因組序列；更高級(jí)的功能信息存儲(chǔ)在PATHWAY數(shù)據(jù)庫(kù)里，包括圖解的細(xì)胞生化過(guò)程如代謝、膜轉(zhuǎn)運(yùn)、信號(hào)傳遞、細(xì)胞周期，還包括同系保守的子通路等信息；KEGG還包含了LIGAND數(shù)據(jù)庫(kù)，包含關(guān)于化學(xué)物質(zhì)、酶分子、酶反應(yīng)等信息。通過(guò)與世界上其它一

6、些大型生物信息學(xué)數(shù)據(jù)庫(kù)的連接，KEGG可以為研究者提供更為豐富的生物學(xué)信息(LinkDB)。KEGG提供了Java的圖形工具來(lái)訪問(wèn)基因組圖譜，比較基因組圖譜和操作表達(dá)圖譜，以及其它序列比較、圖形比較和通路計(jì)算的工具，可以免費(fèi)獲取。KEGG目前共包含了18個(gè)子數(shù)據(jù)庫(kù)，它們被分類成系統(tǒng)信息、基因組信息和化學(xué)信息三個(gè)類別 ?？梢酝ㄟ^(guò)不同的顏色進(jìn)行區(qū)分KEGG存儲(chǔ)內(nèi)容 分類數(shù)據(jù)庫(kù)目錄顏色系統(tǒng)信息KEGG PATHWAYKEGG通路圖KEGG BRITEBRITE功能層次KEGG MODULEKEGG功能單元的模塊KEGG DISEASE人類疾病KEGG DRUG藥物KEGG ENVIRON天然藥物和與

7、健康相關(guān)的物質(zhì)基因組信息KEGG ORTHOLOGYKEGG直系同源(KO)組KEGG GENOMEKEGG中帶有完整基因組的物種KEGG GENES在完整基因組中的基因目錄KEGG SSDB與基因有關(guān)的序列相似性數(shù)據(jù)庫(kù)化學(xué)信息KEGG COMPOUND代謝物及其他小分子化合物KEGG GLYCAN多糖KEGG REACTION生化反應(yīng)KEGG RPAIR化學(xué)反應(yīng)中的反應(yīng)物對(duì)KEGG RCLASSRPAIR定義的反應(yīng)級(jí)別KEGG ENZYME酶命名法KEGG對(duì)象標(biāo)識(shí)符DatabaseObjectPrefixExampleKEGG PATHWAYPathway mapmap, ko, ec, r

8、n, (org)hsa04930KEGG BRITEFunctional hierarchybr, jp, ko, (org)ko01003KEGG MODULEKEGG moduleM, (org)_MM00010KEGG DISEASEHuman diseaseHH00004KEGG DRUGDrugDD01441KEGG ENVIRONCrude drug, etc.EE00048KEGG ORTHOLOGYKO groupKK04527KEGG GENOMEKEGG organismTT01001(hsa)KEGG GENESGene / proteinhsa:3643KEGG COM

9、POUNDSmall moleculeCC00031KEGG GLYCANGlycanGG00109KEGG REACTIONReactionRR00259KEGG RPAIRReactant pairRPRP04458KEGG RCLASSReaction classRCRC00046KEGG ENZYMEEnzymeec:數(shù)據(jù)庫(kù)中包含各種各樣的數(shù)據(jù)對(duì)象，這些數(shù)據(jù)對(duì)象是為了用來(lái)對(duì)生物系統(tǒng)進(jìn)行計(jì)算機(jī)模擬的。因此，各個(gè)數(shù)據(jù)庫(kù)中的數(shù)據(jù)記錄都被稱為KEGG對(duì)象。這些對(duì)象可以通過(guò)KEGG對(duì)象標(biāo)識(shí)符來(lái)識(shí)別，標(biāo)識(shí)符由一個(gè)與數(shù)據(jù)庫(kù)相關(guān)的前綴加五個(gè)數(shù)字構(gòu)成。(org) represents three-, f

10、our-, or five-letter organism code基因組信息存儲(chǔ)在GENES數(shù)據(jù)庫(kù)里，包括全部完整的基因組序列和部分測(cè)序的基因組序列，并伴有實(shí)時(shí)更新的基因相關(guān)功能的注釋。 KEGG中化學(xué)信息的6個(gè)數(shù)據(jù)庫(kù)被稱為KEGG LIGAND數(shù)據(jù)庫(kù)，包含化學(xué)物質(zhì)、酶分子、酶化反應(yīng)等信息。KEGG BRITE數(shù)據(jù)庫(kù)是一個(gè)包含多個(gè)生物學(xué)對(duì)象的基于功能進(jìn)行等級(jí)劃分的本體論數(shù)據(jù)庫(kù)，它包括分子、細(xì)胞、物種、疾病、藥物、以及它們之間的關(guān)系。一些小的通路模塊被存儲(chǔ)在MODULE數(shù)據(jù)庫(kù)中，該數(shù)據(jù)庫(kù)還存儲(chǔ)了其他的一些相關(guān)功能的模塊以及化合物信息。KEGG DRUG數(shù)據(jù)庫(kù)存儲(chǔ)了目前在日本所有非處方藥和美國(guó)的

11、大部分處方藥品。KEGG DISEASE是一個(gè)存儲(chǔ)疾病基因、通路、藥物、以及疾病診斷標(biāo)記等信息的新型數(shù)據(jù)庫(kù)。KEGG PATHWAY DatabaseKEGG PATHWAY數(shù)據(jù)庫(kù)是一個(gè)手工畫(huà)的代謝通路的集合，包含以下幾方面的分子間相互作用和反應(yīng)網(wǎng)絡(luò)：1.新陳代謝2.遺傳信息加工3.環(huán)境信息加工4.細(xì)胞過(guò)程5.生物體系統(tǒng)6.人類疾病7.藥物開(kāi)發(fā)PATHWAY的五種類型僅僅第一種參考通路(reference pathway)圖是手動(dòng)畫(huà)出來(lái)的，其他的通路圖都是通過(guò)計(jì)算產(chǎn)生的。 pathway中的每一個(gè)框(或線)都對(duì)應(yīng)一個(gè)或多個(gè)K編號(hào)、EC編號(hào)及R編號(hào)。map - Reference pathway

12、 對(duì)于代謝相關(guān)的通路，在reference pathway中，一個(gè)點(diǎn)同時(shí)表示一個(gè)基因、這個(gè)基因編碼的酶及這個(gè)酶參加的反應(yīng)ko - Reference pathway (KO) ko通路中的點(diǎn)只表示基因ec - Reference pathway (EC) ec通路中的點(diǎn)只表示相關(guān)的酶rn - Reference pathway (Reaction) Reaction通路中的點(diǎn)只表示改點(diǎn)參與的某個(gè)反應(yīng)、反應(yīng)物對(duì)及反應(yīng)類型org - Organism-specific pathway map 對(duì)于所有的代謝和非代謝通路，K編號(hào)都被認(rèn)為是基因的標(biāo)識(shí)符，這個(gè)標(biāo)識(shí)符在每一個(gè)物種中對(duì)應(yīng)該物種中的某個(gè)基因，

13、從而得到物種特異性的pathway。 map00010ko00010ec00010rn00010hsa00010KEGG PATHWAY DatabaseKEGG PATHWAY數(shù)據(jù)庫(kù)是一個(gè)手工畫(huà)的代謝通路的集合，包含以下幾方面的分子間相互作用和反應(yīng)網(wǎng)絡(luò)：1.新陳代謝2.遺傳信息加工3.環(huán)境信息加工4.細(xì)胞過(guò)程5.生物體系統(tǒng)6.人類疾病7.藥物開(kāi)發(fā)丙酮酸丙酮酸激酶2-磷酸甘油酸磷酸烯醇式丙酮酸烯醇化酶葡萄糖6-磷酸葡萄糖6-磷酸果糖1,6-雙磷酸果糖3-磷酸甘油醛1,3-二磷酸甘油酸3-二磷酸甘油酸http:/www.genome.jp/kegg-bin/show_pathway?org_na

14、me=rn&mapno=00010&mapscale=1.0&show_description=show葡萄糖代謝通路Hexokinase 己糖激酶KEGG ORTHOLOGY (KO) DatabaseKEGG參考通路圖，BRITE功能層次以及KEGG模塊都是以一種廣泛的方式來(lái)表示，都可以用于所有物種。而KEGG直系同源系統(tǒng)(KO System)是這一表示方式的基礎(chǔ)。包含手動(dòng)定義的直系同源組，這些直系同源組就相當(dāng)于KEGG通路中的點(diǎn)，BRITE層級(jí)中的點(diǎn)以及KEGG模塊中的點(diǎn)。(這些點(diǎn)并不是某個(gè)具體物種的某一個(gè)基因，而是在許多物種中都存在的直系同源的某一個(gè)基因)。一旦基因被分配了KO標(biāo)識(shí)或K

15、編號(hào)，通過(guò)基因組注釋流程，物種特異性的通路圖、BRITE功能層次和KEGG模塊就可以自動(dòng)產(chǎn)生了。直系同源與旁系同源直系同源(orthology)是比較基因組學(xué)中最重要的定義。直系同源的定義是： (1).在進(jìn)化上起源于一個(gè)始祖基因并垂直傳遞的同源基因； (2).分布于兩種或兩種以上物種的基因組； (3).功能高度保守乃至于近乎相同，甚至于其在近緣物種可以相互替換； (4).結(jié)構(gòu)相似； (5).組織特異性與亞細(xì)胞分布相似。 旁系同源(paralogy)基因是指同一基因組(或同系物種的基因組)中，由于始祖基因的加倍而橫向產(chǎn)生的幾個(gè)同源基因。直系與旁系的共性是同源，都源于各自的始祖基因。其區(qū)別在于：在

16、進(jìn)化起源上，直系同源是強(qiáng)調(diào)在不同基因組中的垂直傳遞，旁系同源則是在同一基因組中的橫向加倍；在功能上，直系同源要求功能高度相似，而旁系同源在定義上對(duì)功能上沒(méi)有嚴(yán)格要求，可能相似，但也可能并不相似(盡管結(jié)構(gòu)上具一定程度的相似)，甚至于沒(méi)有功能(如基因家族中的假基因)。Image depicts concepts of Orthology and paralogy. Protein Kinase C Orthologs行與物種對(duì)應(yīng)，3個(gè)字母都是相應(yīng)物中的英文單詞縮寫(xiě)，比如has表示Homo sapiens，mcc表示Macaca mulatta；列就表示相應(yīng)的Ortholog分類，比如K00844就

17、表示生物體內(nèi)的己糖激酶hexokinase 這一類序列和功能相似的蛋白質(zhì)類（酶類）。如上圖has后有3101，3098，3099 80201這4個(gè)條目，它表示在人類細(xì)胞中中存在3中不同的己糖激酶，它們分別由以上這3組數(shù)字代表的基因所編碼，這3組數(shù)字應(yīng)該是這3個(gè)基因的登錄號(hào)?？瞻讋t表示在該物種中不存在這種酶。點(diǎn)擊K00844則這一KO分類信息及成員列表都可顯示出來(lái)；點(diǎn)擊has則鏈接到物種（人類）基因組去了；點(diǎn)擊P，則顯示相應(yīng)的代謝通路。下面我們點(diǎn)擊3101，如下，3101是KEGG中的基因ID，H.sapiens表示物種，然后是基因的名稱，表達(dá)的酶，屬于哪個(gè)KO分類以及參與哪些代謝途徑；下面還有

18、結(jié)構(gòu)、序列信息等等。所以從Ortholog table中可以很容易地知道一張代謝通路上有哪些KO分類（酶類），并且這些酶類的成員在各物種中分配存在的情況以及特定的名稱。 KO編號(hào)表示一個(gè)基因，是ko通路中的基本單位，某一K編號(hào)代表的不是某一具體物種的基因，而是所有物種的某一同源基因的統(tǒng)稱。 KO編號(hào)也包括通路，每個(gè)通路都有KO編號(hào)丙酸代謝KOHSAMUSKEGG BRITE DatabaseKEGG BRITE是一個(gè)層級(jí)分類的數(shù)據(jù)庫(kù)，包含生物系統(tǒng)各個(gè)方面的知識(shí)。相對(duì)于KEGG PATHWAY僅限于分子間相互作用和反應(yīng)，KEGG BRITE包含了許多不同的關(guān)系類型。例如，可以查詢酶和底物之間的關(guān)

19、系，也可以查詢某種酶的同源基因。搜索3101（ Hexokinase 己糖激酶）代謝通路KOBRITE其他通路 信號(hào)通路 藥物非代謝通路（信號(hào)轉(zhuǎn)導(dǎo)通路等）磷酸化激活綁定/相關(guān)http:/www.genome.jp/kegg/pathway/hsa/hsa04010.htmlMAPK通路節(jié)點(diǎn)間的各種關(guān)系通過(guò)這些詳細(xì)的互作關(guān)系，我們能夠更清晰的了解通路！http:/www.genome.jp/kegg/document/help_pathway.htmlhttp:/www.genome.jp/kegg/xml/docs/Detail：泛素化去磷酸化抑制激活磷酸化綁定/相關(guān)http:/www.gen

20、ome.jp/kegg/pathway/hsa/hsa04630.html1. Metabolism 2. Genetic Information Processing 3. Environmental Information Processing 4. Cellular Processes 5. Organismal Systems 6. Human Diseases 6.1 Cancers 6.2 Immune System Diseases 6.3 Neurodegenerative Diseases 6.4 Cardiovascular Diseases 6.5 Metabolic D

21、iseases 6.6 Infectious Diseases 心血管疾?。–ardiovascular Diseases ）肥厚性心肌病(HCM)Arrhythmogenic right ventricular cardiomyopathy (ARVC)Dilated cardiomyopathy (DCM)Viral myocarditis 糖尿?。═ype II diabetes mellitus ）結(jié)腸直腸癌（Colorectal cancer）KEGG通路中的疾病基因信息？ 1. Metabolism 2. Genetic Information Processing 3. Envi

22、ronmental Information Processing 4. Cellular Processes 5. Organismal Systems 6. Human Diseases KEGG通路中的疾病信息？查詢通路中的疾病信息進(jìn)入KEGG網(wǎng)站 http:/www.genome.jp/kegg/pathway.html選擇一個(gè)通路（如：MAPK）進(jìn)入該通路，改變通路顯示方式為Homo sapiens (human) + Disease/drug 。點(diǎn)擊GoMAPK通路結(jié)果：http:/www.genome.jp/kegg-bin/show_pathway?org_name=hsadd&

23、mapno=04010&mapscale=1.0&show_description=show瀏覽通路中與疾病相關(guān)的基因疾病基因 藥靶基因 http:/www.genome.jp/kegg-bin/show_pathway?org_name=hsadd&mapno=04010&mapscale=1.0&show_description=show人類基因 培利替尼 根據(jù)疾病風(fēng)險(xiǎn)基因識(shí)別疾病風(fēng)險(xiǎn)通路利用各種技術(shù)（基因表達(dá)譜、RNAseq、質(zhì)譜、大規(guī)模突變、全基因組關(guān)聯(lián)分析等）識(shí)別疾病風(fēng)險(xiǎn)基因注釋這些基因到通路中識(shí)別疾病風(fēng)險(xiǎn)通路分析這些通路與疾病的相關(guān)性查看基因注釋到哪些通路基因蛋白質(zhì)基因idKEGG

24、 idKO number/EC numberKO：KEGG直系同源組號(hào)EC：酶號(hào)具體的注釋過(guò)程：案例：查看單個(gè)疾病風(fēng)險(xiǎn)基因注釋到哪些通路神經(jīng)膠質(zhì)瘤（Glioma）風(fēng)險(xiǎn)基因（NCBI-GeneID ：1956），該基因編碼表皮生長(zhǎng)因子受體（EGFR） 進(jìn)入KEGG搜索界面http:/www.genome.jp/kegg/tool/map_pathway2.html選擇Search against為：hsa選擇Primary ID 類型為：NCBI-GeneID輸入EGFR基因（如格式：1956 red）點(diǎn)擊Exec案例：查看多個(gè)疾病風(fēng)險(xiǎn)基因注釋到哪些通路（適用于復(fù)雜疾?。腉AD數(shù)據(jù)庫(kù)收集動(dòng)脈硬

25、化（artherosclerosis）風(fēng)險(xiǎn)基因集合：共234個(gè)基因進(jìn)入KEGG搜索界面http:/www.genome.jp/kegg/tool/map_pathway2.html選擇Search against為：hsa選擇Primary ID 類型為：NCBI-GeneID輸入EGFR基因，格式：19 red 368 red點(diǎn)擊Exec234個(gè)動(dòng)脈硬化相關(guān)基因凝血相關(guān)KEGG其他數(shù)據(jù)庫(kù)基因組信息存儲(chǔ)在GENES數(shù)據(jù)庫(kù)里，包括全部完整的基因組序列和部分測(cè)序的基因組序列，并伴有實(shí)時(shí)更新的基因相關(guān)功能的注釋。 KEGG中化學(xué)信息的6個(gè)數(shù)據(jù)庫(kù)被稱為KEGG LIGAND數(shù)據(jù)庫(kù)，包含化學(xué)物質(zhì)、酶分子、酶化反應(yīng)等信息。KEGG BRITE數(shù)據(jù)庫(kù)是一個(gè)包含多個(gè)生物學(xué)對(duì)象的基于功能進(jìn)行等級(jí)劃分的本體論數(shù)據(jù)庫(kù)，它包括分子、細(xì)胞、物種、疾病、藥物、以及它們之間的關(guān)系。一些小的通路模塊被存儲(chǔ)在MODULE數(shù)據(jù)庫(kù)中，該數(shù)據(jù)庫(kù)還存儲(chǔ)了其他的一些相關(guān)功能的模塊以及化合物信息。KEGG DRUG數(shù)據(jù)庫(kù)存儲(chǔ)了目前在日本所有非處方藥和美國(guó)的大部分處方藥品。KEGG DISEASE是一個(gè)存儲(chǔ)疾病基因、通路、