数据库-GO_KEGG-简介

转载自domebtrainee的博客2016-10-07 14:24:54
1、GO（GeneOntology）基因本体论

随着生物信息学的发展，各种数据库应运而生。每一种数据库都有自己的定义、分类，导致同一类的事物在不同的数据库中定义为不同的名字。GO数据库的产生是为了使对各种数据库中基因产物功能描述相一致，也就是将所有的蛋白功能进行分类。最初，即1988年，由三种模式生物(FlyBase (果蝇数据库Drosophila)，SaccharomycesGenome Database (酵母基因组数据库SGD) 和Mouse GenomeDatabase (小鼠基因组数据库MGD))的整合开始，经过不断发张扩大，现在已经包含动物、植物、微生物等的104个物种的数据库了，成为了生物信息分析物种注释的必用数据库。

整体来说GO分为三个不同的Ontologies，分别是分子功能（molecular function）、生物学途径（biological process）和细胞组份（cellular component）。每一部分又包含多个子term，分子功能描述在分子生物学上的活性，大部分指的是单个基因产物的功能，还有一小部分是此基因产物形成的复合物的功能，包括antioxidantactivity 、binding等；生物学途径是由分子功能有序地组成的，具有多个步骤的一个过程，如cellular process、cell killing等；细胞组份指基因产物位于何种细胞器或基因产物组中，如membrane、organelle等。每一个部分的term并不都是并列的，子term还可以是另一个子term的父term，即GO的定义是有向无环形式（directed acyclicgraphs，DAGs）的，当某个基因被注释到某个term后，其也获得了此term的上一级即其父term的注解。

2、KEGG（Kyoto Encyclopedia of Genes and Genomes）

京都基因与基因组百科全书，其实就是整合基因组、化学和系统功能信息的数据库。生信分析中，最常用的就是KEGG PATHWAY，代谢通路数据库，以图解的形式展示了细胞生化过程如代谢、膜转运、信号传递、细胞周期子通路等各种信息，比较全面，是一个大的综合的数据库。

整体来说，可分为系统信息、基因组信息和化学信息等几大类，进一步可细分为多个主要的数据库。可以通过不同的颜色编码来区分，如下表所示。

image

KEGG数据库中包含各种各样的数据对象，这些数据对象是为了用来对生物系统进行计算机模拟的。因此，各个数据库中的数据记录都被称为KEGG对象。这些对象可以通过KEGG对象标识符来识别，标识符由一个与数据库相关的前缀加五个数字构成。例如KEGG PATHWAY数据库的对象Pathway map的前缀有map（Reference pathway）, ko（Reference pathway）, ec（Reference pathway）, rn（Reference pathway）, org（Organism-specificpathway map），即可由hsa04930表示某个通路。pathway中的每一个框（或线）都对应一个或多个K编号、EC编号及R编号，对于代谢相关的通路，在map中，一个点同时表示一个基因、这个基因编码的酶及这个酶参加的反应；ko通路中的点只表示基因；ec通路中的点只表示相关的酶；rn通路中的点只表示该点参与的某个反应、反应物及反应类型；对于所有的代谢和非代谢通路，K编号都被认为是基因的标识符，这个标识符在每一个物种中对应该物种中的某个基因，从而得到物种特异性的pathway。

KEGG中有一个“专有名词”KO（KEGG Orthology），它是蛋白质（酶）的一个分类体系，序列高度相似，并且在同一条通路上有相似功能的蛋白质被归为一组，然后打上KO（或K）标签，一旦基因被分配了KO标识或K编号，通过基因组注释流程，物种特异性的通路图、BRITE功能层次和KEGG模块就可以自动产生了。

image