生信菜鸟团 » KEGG

kegg在线链接图的颜色设置

ulwvfje — Fri, 25 Nov 2016 10:17:59 +0000

一般来说，有了kegg的ID，就可以直接去官网查看具体的通路图片，但是需要把差异基因给标注上去，就有点麻烦了，我以前做过类似的工作，结果没有做笔记，这次相当于重新造了个轮子，好惨！

简单的KEGG图片，看下面的url：

http://www.genome.jp/kegg-bin/show_pathway?hsa03040

http://www.genome.jp/kegg-bin/show_pathway?hsa05168

可以看出来只需要变化KEGG的ID即可。

如果要做下面的这个，上调基因用红色表示，下调基因用绿色表示：

需要重新理解kegg的API规则，比如：http://www.kegg.jp/kegg/docs/weblink.html

我就造出了下面的links：

http://www.genome.jp/kegg-bin/show_pathway?map=hsa04115&multi_query=CDKN1A+red%2Cblue%0DSESN3+red%2Cblue%0DIGFBP3+blue%2Cred%0DFAS+red%2Cblue%0DCD82+red%2Cblue%0DGADD45B+blue%2Cred%0DSERPINB5+red%2Cblue%0DZMAT3+blue%2Cred%0DCCNB3+red%2Cblue%0D

http://www.genome.jp/kegg-bin/show_pathway?map=hsa04151&multi_query=CDKN1A+red%2Cblue%0DLAMC3+red%2Cblue%0DCOL1A2+blue%2Cred%0DCREB1+blue%2Cred%0DEGF+red%2Cblue%0DFGFR3+blue%2Cred%0DGHR+red%2Cblue%0DGNG11+red%2Cblue%0DITGA2+red%2Cblue%0DITGA3+red%2Cblue%0DITGAV+red%2Cblue%0DLAMB3+red%2Cblue%0DMYC+blue%2Cred%0DPCK2+blue%2Cred%0DPPP2R5C+blue%2Cred%0DLPAR5+blue%2Cred%0DGNB4+blue%2Cred%0DSGK1+blue%2Cred%0DCREB3L2+blue%2Cred%0DTEK+red%2Cblue%0DTHBS2+blue%2Cred%0DPDGFD+blue%2Cred%0DOSMR+red%2Cblue%0D

当然，肯定不是手动的啦！！！

代码很简单

this_keggID 就是 04115 等等的KEGG的ID，数字格式的哦！

this_kegg_has_geneID <- kegg2GeneID_list[[this_keggID]] ## 拿到这个KEGG的所有基因

this_kegg_has_geneSymbol <- unique(geneAnno(this_kegg_has_geneID)$symbol) ## 把基因的entrez ID转换为gene 的symbol ，其中geneAnno是我自定义的！

## 跟我们的显著上下调基因取交集，其中diff_gene_list是以symbol为标记的

this_kegg_has_geneSymbol_diff <- intersect(this_kegg_has_geneSymbol,diff_gene_list)

## UP GENE: DHX8+red%2Cblue%0D ##自己定义调色规则

## DOWN GENE:DHX8+blue%2Cred%0D

color = ifelse(vcx15_DEG[this_kegg_has_geneSymbol_diff,]$logFC >0 ,'red%2Cblue%0D','blue%2Cred%0D')

## 根据交集的基因来拼接调色字符串咯

kegg_suffix <- paste0(paste(this_kegg_has_geneSymbol_diff,color,sep='+'),collapse = '')

## 再把link给拼起来。

href=paste0("http://www.genome.jp/kegg-bin/show_pathway?map=hsa",

this_keggID,"&multi_query=", kegg_suffix

)

整个过程做成一个循环就好啦！！

我开发的R包有集成这个功能：https://github.com/jmzeng1314/humanid

https://github.com/jmzeng1314/humanid/blob/master/R/add_kegg_up_down_link.R

下载所有的酶的信息，并且解析好

ulwvfje — Tue, 15 Dec 2015 12:05:07 +0000

之前我提到过kegg数据库里面的有些pathway下面没有对应任何基因，当时我还在奇怪，怎么会有这样的通路呢？

然后，我随机挑选了其中一条通路（hsa01000），进行查看，发现正好是所有的酶的信息。

好奇怪，不明白为什么kegg要列出所有的酶信息

http://www.genome.jp/kegg-bin/get_htext?hsa01000

下载htext格式的酶的信息

798K Dec 15 2015 hsa01000.keg

查看文件，发现也是层级非常清楚的结构，D已经是最底级别的酶了，而E对应的基因是属于该酶的。

简单统计一下，发现跟酶相关的基因有3688个，而最底级别的酶有5811个，应该会持续更新的

如果想做成kegg那样的基因与酶对应表格，也是非常简单的！

国际系统分类法按酶促反应类型,将酶分成六个大类:

1、氧化还原酶类(oxidoreductases) 催化底物进行氧化还原反应的酶类。包括电子或氢的转移以及分子氧参加的反应。常见的有脱氢酶、氧化酶、还原酶和过氧化物酶等。

2、转移酶类(transferases) 催化底物进行某些基团转移或交换的酶类,如甲基转移酶、氨基转移酶、转硫酶等。

3、水解酶类(hydrolases)催化底物进行水解反应的酶类。如淀粉酶、粮糖苷酶、蛋白酶等。

4、裂解酶类(lyases)或裂合酶类(synthases) 催化底物通过非水解途径移去一个基团形成双键或其逆反应的酶类,如脱水酶、脱羧酸酶、醛缩酶等。如果催化底物进行逆反应,使其中一底物失去双键,两底物间形成新的化学键,此时为裂合酶类。

5、异构酶类(isomerases)催化各种同分异构体、几何异构体或光学异构体间相互转换的酶类。如异构酶、消旋酶等。

6、连接酶类（ligases）或合成酶类(synthetases)催化两分子底物连接成一个分子化合物的酶类。

上述六大类酶用EC(enzyme commission)加1.2.3.4.5.6编号表示,再按酶所催化的化学键和参加反应的基团,将酶大类再进一步分成亚类和亚-亚类,最后为该酶在这亚-亚类中的排序。如α淀粉酶的国际系统分类纩号为:EC3.2.1.1

EC3——Hydrolases 水解酶类

EC3.2——Glycosylases 转葡糖基酶亚类

EC3.2.l——Glycosidases 糖苷酶亚亚类i.e.enzymes hydmlyzing O-and S-glycosyl compound即能水解O-和S-糖基化合物

EC3.2.1.1 Alpha-amylase, α-淀粉酶

值得注意的是,即使是同一名称和EC编号,但来自不同的物种或不同的组织和细胞的同一种酸,如来自动物胰脏、麦芽等和枯草杆菌BF7658的α-淀粉酶等,它们的一级结构或反应机制可解不同,它们虽然都能催化淀扮的水解反应,但有不同的活力和最适合反应条件。

可以按照酶在国际分类编号或其推荐名,从酶手册(Enzyme Handbook)、酶数据库中检索到该酶的结构、特性、活力测定和Km值等有用信息。著名的手册和数据库有:

手册:

1、Schomburg,M.Salzmann and D.Stephan:Enzyme Handbook 10 Volumes

2、美国Worthington Biochemical Corporation:Enzyme Manual

(http://www.worthington-biochem.com/index/manual.htm/)

数据库:

l、德国BRENDA：Enzyme Database(http://www.brenda wnzymes.org)

2、Swissprot:EXPASYENZYME Enzyme nomenclature database (http://www.expasy.org/enzyme/)

3、IntEnz:Integrated relational Enzyme database (http://www.ebi.ac.uk/mtenz)

下载最新版的KEGG信息，并且解析好

ulwvfje — Tue, 08 Dec 2015 12:53:41 +0000

打开官网：http://www.genome.jp/kegg-bin/get_htext?hsa00001+3101

http://www.genome.jp/kegg-bin/get_htext#A1 （这个好像打不开）

可以在里面找到下载链接

下载得到文本文件，可以看到里面的结构层次非常清楚，

C开头的就是kegg的pathway的ID所在行，D开头的就是属于它的kegg的所有的基因

A,B是kegg的分类，总共是6个大类，42个小类

grep ^A hsa00001.keg

AMetabolism

AGenetic Information Processing

AEnvironmental Information Processing

ACellular Processes

AOrganismal Systems

AHuman Diseases

也可以看到，到目前为止（2015年12月8日20:26:57），共有343个kegg的pathway信息啦

接下来我们就把这个信息解析一下：

perl -alne '{if(/^C/){/PATH:hsa(\d+)/;$kegg=$1}else{print "$kegg\t$F[1]" if /^D/ and $kegg;}}' hsa00001.keg >kegg2gene.txt

这样就得到了

但是我发现了一个问题，有些通路竟然是没有基因的，我不是很明白为什么？

C 04030 G protein-coupled receptors [BR:hsa04030]

C 01020 Enzyme-linked receptors [BR:hsa01020]

C 04050 Cytokine receptors [BR:hsa04050]

C 03310 Nuclear receptors [BR:hsa03310]

C 04040 Ion channels [BR:hsa04040]

C 04031 GTP-binding proteins [BR:hsa04031]

那我们来看看kegg数据库更新的情况吧。

首先我们看org.Hs.eg.db这个R包里面自带的数据

Date for KEGG data: 2011-Mar15

org.Hs.egPATH has 5869 entrez genes and 229 pathways

2015年八月我用的时候是 6901 entrez genes and 295 pathways

现在是299个通路，6992个基因

所以这个更新其实很缓慢的，所以大家还在用DAVID这种网络工具做kegg的富集分析结果也差不大！

详细信息见http://www.genome.jp/kegg/pathway.html

更新信息见：http://www.genome.jp/kegg/docs/upd_map.html

转录组-GO和KEGG富集的R包clusterProfiler

ulwvfje — Thu, 19 Mar 2015 13:41:04 +0000

PS：请不要在问我关于这个包的任何问题，直接联系Y叔，我就两年前用过一次而已，再也没有用过。

Y叔的包更新太频繁了，这个教程已经作废，请不要再照抄了，可以去我们论坛看新的教程：http://www.biotrainee.com/thread-1084-1-1.html

一：下载安装该R包

clusterProfiler是业界很出名的YGC写的R包，非常通俗易懂，也很好用，可以直接根据cuffdiff等找差异的软件找出的差异基因entrez ID号直接做好富集的所有内容；

Bioconductor网站上面有关于它的介绍，按照上面说的方式来安装即可

http://www.bioconductor.org/packages/release/bioc/html/clusterProfiler.html

source("http://bioconductor.org/biocLite.R");biocLite("clusterProfiler")

二、输入数据

diff_gene.entrez文件，是通过各种差异基因软件找出来的差异基因的entrez ID号列表，每一个ID号一行，几百个差异基因就几百行

三、R语言代码

setwd("C:\\Users\\Administrator\\Desktop\\ref")

a=read.table("diff_gene.entrez")

require(DOSE)

require(clusterProfiler)

gene=as.character(a[,1])

ego <- enrichGO(gene=gene,organism="human",ont="CC",pvalueCutoff=0.01,readable=TRUE)

ekk <- enrichKEGG(gene=gene,organism="human",pvalueCutoff=0.01,readable=TRUE)

write.csv(summary(ekk),"KEGG-enrich.csv",row.names =F)

write.csv(summary(ego),"GO-enrich.csv",row.names =F)

四、输出文件解读

看得懂R语言的都知道，这个代码输出了两个文件KEGG-enrich.csv和GO-enrich.csv，就是我们的GO和KEGG富集的结果，其中内容如下

上述表格为差异基因的Gene Ontology富集分析结果表格。

GO ID: Gene Ontology数据库中唯一的标号信息

Description ：Gene Ontology功能的描述信息

GeneRatio：差异基因中与该Term相关的基因数与整个差异基因总数的比值

BgRation：所有（ bg）基因中与该Term相关的基因数与所有（ bg）基因的比值

pvalue: 富集分析统计学显著水平，一般情况下， P-value < 0.05 该功能为富集项

p.adjust 矫正后的P-Value

qvalue：对p值进行统计学检验的q值

Count：差异基因中与该Term相关的基因数

上述表格为差异基因的KEGG Pathway富集分析结果表格。