麥子陪你做作業(yè)二：KEGG通路數(shù)據(jù)庫的正確打開姿勢

1、麥子陪你做作業(yè)（二）：KEGG通路數(shù)據(jù)庫的正確打開姿勢作者：麥子轉載請注明：解螺旋臨床醫(yī)生科研成長平臺 KEGG是通路數(shù)據(jù)庫中最龐大的，涵蓋基因組網絡信息，主 要注釋基因的功能和調控關系。當我們選到了合適的候選分 子，單變量研究也已做完，接著研究機制的時便可使用到它。 你需要了解你的分子目前已有哪些研究，跟其他分子是怎樣 的關系。當然可以從文獻中慢慢去了解，但KEGG繪制了已知的通路數(shù)據(jù)，直觀呈現(xiàn)，無疑是提升檢索效率好的辦法。KEGG的主要用途有：查詢通路信息、信號通路檢索，以及 非常推薦的分析工具 KEGG Mapper ,它可以根據(jù)前期篩選 得到的差異分子列表去構建分子調控網絡，得到清晰簡

2、明的 通路圖。咱們通過五個案例，來把這些功能用法櫓一遍。（好了我承認這是酸菜老師布置的作業(yè)，我又陪大家做作業(yè) 來了）作業(yè)一請使用 KEGG檢索人類基因PTEN的信息并 查看其參與了哪些信號通路，查看其在p53信號通路中的位置。先找到網頁下方的 KEGG GENES 子數(shù)據(jù)庫。在彈由的頁面 中，三個檢索欄都可以用，不過推薦用第三個，比較準確簡 潔。不過注意格式，”物種：基因”接著就有個彈窗顯示該基 因的信息，包括其參與的信號通路，其中就有我們要找的p53 信號通路。點擊通路編號“ hsa04115”就可看到信號通路圖， 我們查詢的PTEN基因被紅色標注了由來。 如果要查找該通 路中的其他基因，也

3、可以在本頁面的搜索框中輸入相應關鍵 詞，同樣得到紅色高亮顯示。 作業(yè)二查看KEGG中參與信號 轉導的信號通路，并點擊mTOR信號通路，查看其關聯(lián)的信 號通路及調控的表型。在KEGG 首頁上選擇 KEGG PATHWAY 子數(shù)據(jù)庫。在點開 后的頁面往下拉到信號轉導通路，相當多了。找到 mTOR 信號通路，點進去。圓角矩形文本框中的就是其相關聯(lián)的信 號通路。我們可以看到，mTOR上游有AMPK、MAPK、Insulin、 PI3K-AKT等信號通路，各通路之間又有交互影響。mTOR通路可以影響微管組織、 脂解作用、脂類合成、自噬、 蛋白合成、細胞骨架、細胞存活等表型，其中自噬、甘油酯 代謝、act

4、in細胞骨架調控在本數(shù)據(jù)庫里有通路圖譜。作業(yè)三請分析以下分子（人源）參與了哪些信號通路，并在 信號通路中用粉紅色標記表達下調的分子，用黃色標記表達 上調的分子，給由基因匹配最多的信號通路圖。不同數(shù)據(jù)庫 對基因的識別碼不一樣，而KEGG只支持三個數(shù)據(jù)庫的識別 碼，即KEGG、NCBI、Uniprot ,所以要進行轉換?，F(xiàn)在有 26個基因，那么批量轉換比較便捷的方法是用Uniprot的在線工具。在 HYPERLINK / / 點 Retrieve/ID mapping 進入如F頁面，貼上自己的基因名，下方選擇輸入和需要輸生的識別碼類型，填好物種信息，就可點“Go”轉換。在彈由的頁面中選擇Revie

5、wed的結果，再選擇下載格式（Excel、非壓縮）； 也可以點旁邊的Columns選擇我們需要的列名。Entry即 Uniprot編碼。下載好后，將 Entry貼到我們原來的表格中。 此處注意輸入的 THOA基因沒有檢索到 Uniprot ID ,舍去； 另又有兩個FAS ,得到了不一樣的 Entry ,那是因為輸入的 是基因縮寫，可能檢索到同縮寫的多個基因。這時本來需要 根據(jù)全稱確認哪個是我們需要的，不過這次題目中沒有說明， 就全都要了吧，表達值也算一樣的。接下來用Excel的篩選工具，對表達值一列篩選。先選由 0 者，填上yellow o注意顏色名稱都要小寫，否則KEGG識別不由來。然后到

6、 KEGG主頁，在最下方的分析工具里找到 KEGG Mapper :在新頁面中選擇 Search & Color Pathway : 然后填好物種、ID格式，把剛才的Entry和顏色貼進來，點 Exec查詢。搜由來一個相當長的列表，通路名后邊的小括 號內數(shù)字，就是該通路中含有我們查詢的基因的數(shù)量。按要 求選擇匹配最多的那個，點開就是我們需要的通路圖了，匹 配基因、上調下調一目了然。作業(yè)四根據(jù)所給的芯片結果數(shù)據(jù)，分析差異變化從大到小排 列，前50個分子參與的信號通路，給由匹配度最高的信號 通路圖（要求用橙色orange標記上調基因，用青色cyan標記下調基因)我們從生信公司拿到了芯片數(shù)據(jù)，要先做

7、個預處理。找到變 化倍數(shù)(Fold Change, FC )絕對值，按降序排列。再找到 EntrezGenelD ,排除空值。再在 Excel上方的“數(shù)據(jù)”菜單中 找到“刪除重復項，彈窗中選擇EntrezGenelD ,確認。把前 50個貼到另一個表里，僅留 EntrezGenelD 和Regulation 兩列，根據(jù)要求將上調下調的分別賦予顏色。然后按剛才查 詢通路的辦法再操作一遍就好了，不過注意這回的輸入格式 是NCBI-GeneID。然后點開匹配度最高的通路就是了。作業(yè)五在GEO數(shù)據(jù)庫中檢索到 GSE18842 ,并使用GEO在線 工具分析該數(shù)據(jù)集中tumor和control組間差異表達

8、的分子， 并用KEGG Mapper進行通路分析，給由匹配度第2的通路， 并用顏色標記：紅色標記上調倍數(shù)4, 0c粉紅色標記上調倍 數(shù)在(0, 4);藍色標記下調倍數(shù)(-4;青色標記下調倍數(shù)在 (-4, 0)。這里主要講講GEO數(shù)據(jù)庫的檢索和簡單分析，后邊的步驟 跟之前的差不多了。 GEO涵蓋很多疾病的高通量數(shù)據(jù)，多 個學科的小伙伴都可以應用。打開我們熟悉的 Pubmed ,選擇GEO Dataset ,輸入關鍵字 GSE18842 , Search。進入相應的條目頁面后，拉到下方點Analyze with GEO2R 。進入分析后，要先按數(shù)據(jù)提供的信息分配組別。點開上方的Define gro

9、ups，分別輸入組名 Control 和 Tumor。然后按 Title排序，選中所有control樣本，再點一次 Control組名，即可 看到最左Group 一列填上了相應的組名。同樣的方法分配好 Tumor組。然后拉到下方點 Top 250，默認分析結果僅顯示 變化最明顯的250個分子（按p值排序）。我們也可以點Save all results ,后續(xù)再按變化倍數(shù)排序，自己篩選所需的數(shù)量。然后在新頁面中點 Select Columns ,彈窗里選上 Gene ID。此時若點開單個基因，可以看到它在各樣本中的表達情況。收起柱狀圖，把數(shù)據(jù)復制貼到 Excel表里。然后對 GeneID 一列去除重復值和空白值， 剩下的將logFC和GeneID復制 到一個新表格中。我們還會發(fā)現(xiàn)一種情況，即有些探針是指向一個分子組合，這些通常是一個家族中的不同成員，用“/ ”分涿EGG中需要一個分子單獨一行，所以也要處理一下。就手動把后 面的分子貼到新插入的一行吧變化倍數(shù)也復制下來，耐 心點。后邊篩選數(shù)值、標記顏色、