如何分析KEGG Genes 数据库

这篇文章将为大家详细讲解有关如何分析KEGG Genes 数据库,文章内容质量较高,因此小编分享给大家做个参考,希望大家阅读完这篇文章后对相关知识有一定的了解。

kegg  genes 数据库收录了物种的基因信息。 kegg 使用自己定义的ID 唯一区别每个基因,叫做kegg gene ID。

对于每个基因,除了给出对应的物种,染色体位置,ncbi-gene ID,DNA 序列, 蛋白序列等基本信息以外,还会给出这个基因对应的KO, module, pathway 等注释信息。

其中KO 注释是核心,kegg  提供了两种工具,用于基因的KO 注释

  1. 对于单个物种的基因组,使用BlastKOALA 工具;

  2. 对于环境微生物,使用GhostKOALA 工具进行注释;

截止到2018年3月7号,所有基因的注释情况如下:

http://www.kegg.jp/kegg/docs/genes_statistics.html
如何分析KEGG Genes 数据库

基因从功能上分成了两大类,编码蛋白基因和非编码蛋白基因。从注释信息的角度,提供了KO , pathway, Enzyme 共3种kegg 的注释。

我们来想详细看下human 基因的注释情况

如何分析KEGG Genes 数据库
目前共收录了20380个蛋白编码基因,其中13226 个基因有KO 注释;19172 个非编码基因,其中 315个有KO 注释;有pathway 注释的只有 7376 个基因,而有Enzyme 酶类注释的只有3261 个基因。其中pathway 相关基因只有7376个,这个数字值得我们重点关注。

对于转录组分析而言,KEGG的富集分析是常用的功能分析手段,而20380个蛋白编码基因中,只有30%左右的基因有pathway 信息,剩下的没有pathway 相关信息的基因,在富集分析时 ,会被忽略掉了。所以pathway 富集分析还是有一定的局限性的。

这里我列出了人,小鼠,大鼠基因的pathway 注释情况

org protein pathway
hsa 20,380 7376
mmu 22,103 8197
rno 23,503 8436

总体来看,有pathway注释信息的基因比例都很低。pathway 是基于我们已有的认知来构建的 ,随着研究的不断深入和进行,pathway 数据库也会越来越大, 也会有更多的基因有pathway 相关的信息。现阶段,由于我们对基因功能认知的局限,只能对那些有pathway 信息的基因去研究。所以在富集分析时,我们需要综合多个数据库的结果, 比如 GO, Reatcome 等数据库。

  1. kegg genes 数据库收录了基因的信息,包括了编码基因和非编码基因。

  2. 对于单基因组,采用BlastKOALA 进行KO 注释;对于宏基因组,采用GhostKOALA 进行注释。

  3. 由于我们现阶段对基因功能认知的局限性,有pathway注释信息的基因比例较低,在进行功能富集分析时,建议综合多个数据库的结果。

关于如何分析KEGG Genes 数据库就分享到这里了,希望以上内容可以对大家有一定的帮助,可以学到更多知识。如果觉得文章不错,可以把它分享出去让更多的人看到。

原创文章,作者:6024010,如若转载,请注明出处:https://blog.ytso.com/tech/opensource/238580.html

(1)
上一篇 2022年2月5日 01:20
下一篇 2022年2月5日 01:20

相关推荐

发表回复

登录后才能评论