KEGG模型在生物圈基因组与通路表征中的应用——基于KO组成与模块组成的比较分析

《Nucleic Acids Research》：KEGG for characterizing genomes and pathways in the biosphere

　　

KEGG数据库（https://www.kegg.jp）已作为生物系统模型开发。通过以分子线路图形式组织细胞水平和生物体水平功能知识，该模型能够生成新知识并发现实际应用。KO（KEGG Orthology）数据集发挥组织知识的基础作用。KO是具有功能相关性的直系同源组，将特定生物中的实验证据推广至其他生物。KEGG分子网络，包括通路图（pathway maps）和模块（modules），是以KO为网络节点的通用网络，因此从基因组到通路的KEGG映射（KEGG mapping）可应用于任何生物。随着KO数量增加和KO注释率提高，KEGG映射进一步扩展。基因组中的KO集合和代谢通路中的模块集合现用于表征生物圈中的各种数据对象，包括生物、生物类群、微生物组（microbiomes）、病毒及其组合，如内共生体–宿主（endosymbiont–host）、微生物组–宿主（microbiome–host）和病毒–宿主（virus–host）关系。此外，引入一种基于KO组成或模块组成的简单相似性度量，以比较生物类群。所得相似性树状图（similarity dendrograms）可能反映细胞功能或更具体地代谢功能的相似性，可与系统发育树（phylogenetic trees）进行比较。

研究背景：KEGG数据库（KEGG）早在30多年前即被构想为生物系统模型，而不仅是数据与知识集合；其目标是由分子反应和相互作用网络表示细胞、生物体和生物圈，并产生新认识与实际应用。KEGG模型通过手工组织文献中的实验知识构建分子网络，并以KEGG Orthology（KO）数据集积累基因组基因与网络节点之间的对应关系。KO最初用于通过KEGG映射（KEGG mapping）将基因组连接至分子网络；随着KO数量增加和KO注释率提高，KO库还可用于表征生物和生物类群并进行比较研究。由此需要将KEGG映射扩展到生物圈中的多种对象，包括生物、生物类群、微生物组（microbiomes）、病毒及其组合，并提供基于KO组成或模块组成的比较方法。该论文由Minoru Kanehisa、Miho Furumichi、Yoko Sato、Yuriko Matsuura和Mari Ishiguro-Watanabe完成，发表在《Nucleic Acids Research》，报告了KEGG近两年的相关发展。研究人员将KEGG定位为单一资源，包含23类数据对象、13个传统命名数据库和4个类别，每个对象由KEGG identifier（kid）标识，并定期发布固定版本。研究结论表明，KEGG映射可应用于任何生物，KO组成和模块组成可用于表征与比较生物圈对象，相似性树状图可反映细胞功能或代谢功能相似性并与系统发育树比较。

关键技术方法（不超过250字）：研究以KEGG数据对象和kid体系组织数据；KO注释采用SSEARCH进行蛋白和RNA成对序列相似性比较，结果存入GFIT表，KOALA每日自动分配和更新KO，BlastKOALA与GhostKOALA用于KO分配；模块验证以K数逻辑表达式的AND/OR/可选关系评估功能单元，Genomes to pathways界面将生物代码、T number、NCBI taxonomy ID、宏基因组T number、Vtax number、类别代码及组合ID转换为KO数据集并进行KEGG mapping；KEGG Syntax以KO组成或模块组成计算相似性并生成树状图。样本来源：KEGG生物基因组序列与基因位置取自NCBI RefSeq和GenBank，分类信息取自NCBI Taxonomy；病毒基因取自RefSeq，ag类功能蛋白来自文献，vg/vp包括RefSeq病毒基因和手工病毒成熟肽。

研究结果：Reorganized datasets：研究人员通过重新组织数据对象和kid标识，明确KEGG为23类数据对象、13个数据库、4个类别的单一资源，并以每三个月固定发布快照记录发展。Analysis tools：通过整理KEGG Annotation、KEGG Mapper、KEGG Syntax和KEGG Web Apps，得出KO分配、KEGG映射、基于KO的比较及集成查看工具已配套。Genomes to pathways interface：通过扩展原Show organism界面，使其接受生物代码、T number、NCBI taxonomy ID、宏基因组T number、Vtax number、类别代码和组合ID，得出单一生物以五个标签显示、其他对象以三个标签显示，并支持多ID比较与组合。KO annotation：通过改进KO注释流程，采用参考基因组与GENES数据库比较及选定类群内全面比较，并调整KEGG生物入选标准，得出低质量基因组在伴随新发现时可被纳入。Module validation：通过模块逻辑表达式评估和跨生物模块定义，得出氮循环M01069在Sinorhizobium meliloti（sme）与Nitrosomonas europaea（neu）组合时完整，组合对象可进行模块重验证。Taxonomy and organism groups：通过基于NCBI Taxonomy构建KEGG三级分类并加入病毒基因组类型，得出六顶层类群及病毒第七类群可用于表征KO和模块分布。Dendrogram of organism group similarity：通过similarity=(match/num1+match/num2)/2计算KO或模块组成相似性并每日更新树状图，得出顶层树状图显示真核生物与原核生物分离，原生生物在模块树状图中位置不同。Pathways and networks：通过将人类疾病相关网络积累于网络变异图，得出疾病通路图不再开发而疾病条目链接网络变异图。Diseases and drugs：通过整合日本、美国和欧洲监管数据并引入GraphML表示修饰肽药物，得出疾病与药物数据在英日版本中更新并可表示如D10025等特殊药物。

讨论与结论：研究人员将KEGG模型总结为以KO和模块连接基因组与分子网络、支持生物圈多种对象表征的统一框架；基于KO组成或模块组成的相似性度量提供了与系统发育树比较的视角。研究结论部分翻译：这些相似性树状图表明，真核生物与原核生物之间的区别是明显的；通过模块相似性，分歧的原生生物类群被置于不同位置，可能是由于相似的代谢功能。所得相似性树状图可能反映细胞功能或更具体地代谢功能的相似性，可与系统发育树进行比较。