返回列表

KEGG蛋白质通路是什么?基因如何被映射到生物学通路网络

发布于 2026年11月4日

KEGG蛋白质通路是什么?基因如何被映射到生物学通路网络

图1 KEGG蛋白质通路:基因经KO编号映射到通路网络

 

KEGG(Kyoto Encyclopedia of Genes and Genomes,京都基因与基因组百科全书)由日本京都大学 Kanehisa 实验室开发,是一个把「分子层面的信息」翻译成「细胞、个体、生态系统等高层次功能」的数据库资源。它的核心思想很朴素:把一长串基因或蛋白质,对应到一张张看得懂、可查询、可比较的通路图上。对无数研究者来说,KEGG蛋白质通路就是那把「把基因列表翻译成生物学故事」的钥匙。无论是药企的靶点筛选、高校的功能组学分析,还是蛋白工程中的酶功能判断,都可能从这条通路里找到线索。


一、背景与机制:KEGG如何把「基因」变成「通路」

KEGG蛋白质通路的核心,是把测序得到的基因列表,映射到人工绘制的通路图上,从而读出这些基因在细胞里「一起干什么」。

在基因组、转录组乃至单细胞测序普及之前,研究者面对的常常是成百上千个差异基因或候选蛋白,却很难判断它们的功能聚类。KEGG 的价值正在于:它把文献中已经被证实的通路、反应和相互作用,手工整理成标准化的通路图,再通过一套编号系统,把任意物种的基因「挂」到这些图上。这样一来,原本零散的基因符号,就变成了有方向、有上下游、有物质流转的通路节点。

· 把「点」连成「网」:单看一个基因只能判断它可能是什么酶,放进通路图才能看出它在代谢或信号流中的位置与角色。

· 跨物种可比:同一张参考通路图,可同时用于人类、小鼠、大肠杆菌等不同物种,方便比较保守性与差异。

· 与疾病挂钩:KEGG 还整理疾病通路与药物标靶,为转化研究提供上下文。

从内容上看,KEGG 通路图覆盖六大板块:代谢(Metabolism)、遗传信息处理(Genetic Information Processing)、环境信息处理(Environmental Information Processing)、细胞过程(Cellular Processes)、生物体系统(Organismal Systems),以及人类疾病(Human Diseases)。这意味着无论想研究糖代谢、细胞周期,还是肿瘤信号通路,都能在 KEGG 上找到对应的「地图」。可以把通路图想象成一张「城市的交通图」:基因是路口,酶是红绿灯,代谢物是车辆,而 KO 编号则是连接各版本地图的「统一坐标」。


二、原理与结构:KO编号与通路图的三层架构

KEGG蛋白质通路的「翻译枢纽」是 KO(KEGG Orthology,KEGG 直系同源)编号,也就是研究者常说的「K编号」。

从基因到K编号。 一个物种里负责同一功能的基因,会被赋予同一个K 编号。例如人类 TP53 对应 K04451,PTEN 对应 K01110,CDK2 对应 K02206。K 编号代表的是「功能」而非「某个物种的某个基因」,因此可以跨物种通用,还能与 EC 酶号、所属通路相互关联。值得一提的是,K 编号的来源主要有两类:一是已被实验验证的基因/蛋白,二是基于序列相似性做的推广。当你拿到一条未知蛋白序列时,KEGG 的 BlastKOALA / GhostKOALA 能依据序列相似性给出候选 K 编号,从而实现自动注释。这也解释了为什么 K 编号能「跨物种」——只要序列足够相似,功能往往一致。

从K编号到通路图。 KEGG PATHWAY 数据库收录人工绘制的通路图,标识符由「前缀 + 5 位数字」组成:`map`、`ko`、`ec`、`rn` 表示参考通路,`hsa`、`mmu` 等物种代码表示物种特异通路。例如 `hsa00010`(糖酵解/糖异生)、`hsa04110`(细胞周期)、`hsa04115`(p53 信号通路)。每一张图里,方框节点代表基因/酶,箭头代表反应,小圆点代表化合物,旁边还会标注可逆/不可逆与 EC 号。这里有个实用的区分:参考通路(map/ko/ec/rn)相当于「标准答案」,而物种特异通路(如 hsa04115)是把标准图上的 K 编号替换成该物种的具体基因编号,从而直观看出该物种「到底有没有」这些基因。

 

KO three-layer mapping Gene → K number → Pathway Map

图2 KO编号三层映射:基因→K编号→通路图


三、测定与选型:如何做KEGG富集分析与工具选择

KEGG通路富集分析回答的问题是:我的基因集里,哪些功能模块被显著「富集」了?

富集分析原理。 先把基因列表映射到K 编号,再统计这些 K 编号在每条通路中的覆盖度,与背景集合比较,得到 p 值和校正后的 p 值。通路显著富集通常以「校正 p < 0.05」为界限,常用的校正方法包括 Benjamini–Hochberg(BH)等控制错误发现率(FDR)的方式。从统计上看,富集分析最常见的是超几何检验:在「通路 × 背景基因」的框架里,看你的基因集是否比随机抽取更集中在某些通路;p 值越小,说明这种富集越不可能是偶然。

· 简单通路查询:用KEGG 官方的 KEGG Mapper(Reconstruct、Search、Color、Join 等)以及 BlastKOALA / GhostKOALA 做 K 编号注释与映射。

· 富集统计:可用Enrichr 等在线平台(内置 KEGG_2021_Human 等库),也可在本地用 R/Python 的 clusterProfiler 等工具。

· 需要完整通路图/模块:直接取用KEGG PATHWAY 与 KEGG MODULE 数据。

对于缺乏编程经验的用户,在线交互式富集平台通常更友好;对于需要批量、可复现分析的团队,则更推荐基于R/Python 的脚本化流程,便于版本管理与结果审计。


四、条件与工艺:从基因集到通路解读的分析流程

一个可复现的KEGG 通路分析流程,通常分五步。

1. 获得基因列表:来自差异表达、差异蛋白或筛选结果。

2. ID 映射:把基因符号/ UniProt ID 转成 K 编号(KO)。

3. 富集统计:做KEGG 富集,读取校正 p 值与重叠基因。

4. 通路可视化:把结果映射到通路图,标出关键节点。常用颜色深浅或形状区分上下调基因、关键酶与交叉节点,让「富集到哪条通路、卡在哪个节点」一目了然。

5. 生物学解读:结合实验背景,判断哪些通路值得深挖、需要验证。

我们用12 个与 p53/细胞周期相关的基因(TP53、MDM2、CDKN1A、BAX、CASP3、ATM、CHEK1、CHEK2、PTEN、BBC3、CDK2、BCL2)做 KEGG 富集,结果中最显著的是「p53 signaling pathway」,校正 p 值约为 2.2×10⁻²⁸;其后依次为细胞衰老、细胞周期、凋亡、癌症通路等。这与基因集本身高度吻合,说明该流程可复现、逻辑自洽。

实际分析里最容易被忽略的是「ID 映射」这一步:不同数据库的命名(基因符号、UniProt、Entrez、Ensembl)并不总是一一对应。映射错、漏映射,都会让下游富集结果失真。因此建议先做 ID 规范化再进入富集,并在结果里保留物种代码(人类通路以 `hsa` 开头),避免把小鼠基因当成人类处理。数据来源、所用库版本与校正方法也应在报告中写清,才能保证结论可复核。


KEGG enrichment workflow from gene set to pathway interpretation

 图3 KEGG富集分析流程:基因集到通路解读


五、结合MatwingsVenus®(晓鹜®):AI驱动的通路理解与蛋白工程

对蛋白工程与药物研发而言,KEGG 通路不只是「背景板」,更是判断蛋白功能、选择工程靶点、评估改造影响的功能语境。

在MatwingsVenus®(晓鹜®)这类 AI 蛋白工程平台上,研究者可以把通路/功能注释(如 K 编号、EC 号、所属通路)与序列特征、结构信息结合起来,用于功能预测、稳定性评估与定向进化设计。例如:当目标酶位于某条代谢通路的关键节点时,通路语境能帮助判断改造该酶对整条通路的潜在影响,从而更稳妥地设计突变、评估副产物与正交性。更进一步,无论是做酶的底物特异性改造、热稳定性提升,还是评估某个突变是否会影响整条代谢通路,把 KEGG 通路语境与蛋白结构、序列特征结合,都能显著缩小搜索空间、提高设计成功率。MatwingsVenus®(晓鹜®)正是以此为方向,把「通路功能注释」作为理解蛋白的上下文之一,服务于功能预测与定向进化。


FAQ

Q1:KEGG 和 GO 有什么不同?

KEGG 侧重「通路与反应网络」,用 K 编号把基因挂到通路图;GO 侧重「功能本体」,用 BP/MF/CC 三类条目描述基因功能。两者常结合使用,互相补充。

Q2:K 编号是每个基因一个吗?

不完全是。一个K 编号代表一个「功能直系同源」模块,可对应多个物种的多个基因;一个基因也可能参与多条通路、对应多个 EC 号。

Q3:富集分析为什么用校正 p 值?

因为要同时检验几百上千条通路,未校正的p 值容易产生假阳性;用 BH 等方法控制错误发现率(FDR),结果更可靠。

Q4:没有实验数据也能做 KEGG 分析吗?

可以。只要给出基因/蛋白列表,就能做 K 编号注释与富集分析;但结论的生物学意义仍需后续实验验证。


总结

KEGG蛋白质通路把「基因列表」翻译成「功能网络」,其核心是 KO 编号的三层映射。理解通路图标识、K 编号与富集统计,是让分析可复现的关键。把通路语境与 AI 蛋白工程结合,正成为加速研发的新路径。

扫码加入交流群

扫码加入交流群