KEGG (Kyoto Encyclopedia of Genes and Genomes — Киотская энциклопедия генов и геномов) — веб-ресурс, предоставляющий доступ к ряду биологических баз данных и инструментам для анализа биологических и медицинских данных, созданный в 1995 году в рамках проекта «Геном человека». С момента создания интегрированная база данных KEGG значительно расширилась и на данный момент (2017) насчитывает шестнадцать баз данных, для удобства поиска разделенных на четыре категории: системная информация (данные о метаболических путях, модулях генов и т. д.), геномная информация (данные об отдельных генах, геномах различных существ, ортологичных группах), химическая информация (данные о химических реакциях, происходящих в живых организмах) и информация, связанная непосредственно со здоровьем человека (данные о человеческих болезнях, лекарствах и т. д.). Также KEGG предоставляет ряд инструментов для удобной работы с базами данных и анализа хранящейся в них информации.
Веб-ресурс KEGG был создан в 1995 году в Японии при поддержке Kanehisa Laboratories. Базы данных KEGG непрерывно обновляются и дополняются. Главной целью проекта KEGG является интеграция полученной геномной информации, данных о биологических и химических процессах, происходящих в живых организмах, знаний о человеческих болезнях и открытых лекарствах в единое целое для понимания высокоуровневой организации различных биологических систем, таких как клетка, организм или целая экосистема.
История создания и развития KEGG Проект KEGG был инициирован в 1995 году в рамках японского проекта «Геном человека». Появление KEGG было обусловлено необходимостью создания справочной базы данных для биологической интерпретации информации, закодированной в геномах различных существ, в том числе и человека. Развитием веб-ресурса и его техническим обеспечением занимается организация Kanehisa Laboratories, находящаяся под началом профессора киотского университета Минору Канехиса (Minoru Kanehisa).
Изначально KEGG был разработан как веб-ресурс, предоставляющий доступ к базам данных для биологической интерпретации полностью упорядоченных геномов и создания карт путей в клетках живых организмов. В 1995 г. KEGG содержал всего четыре базы данных: PATHWAY, GENES, COMPOUND и ENZYME, а отображение содержащихся в KEGG карт путей производилось через базу ENZYME, поскольку в базе данных содержались только карты метаболических путей. Позже хранилище данных KEGG значительно расширилось. База PATHWAY была дополнена базами BRITE и MODULE; к базе GENES добавилась база GENOME; COMPOUND была дополнена базами GLYCAN и REACTION, а база ENZYME была заменена базой KO (KEGG Orthology) для удобного картирования путей в KEGG. Последовательность появления баз данных, представленных на сайте KEGG, приведена в Таблице 1.
+Таблица 1. Последовательность появления баз данных KEGG Год релиза База данных Идентификатор объектов1995KEGG PATHWAYmap numberKEGG GENESlocus_tag / GeneIDKEGG ENZYMEEC numberKEGG COMPOUNDC number1998KEGG REACTIONR number2000KEGG GENOMEorganism code / T number2002KEGG ORTHOLOGYK number2003KEGG GLYCANG number2004KEGG RPAIRRP number (Discontinued in 2016)2005KEGG BRITEbr numberKEGG DRUGD number2007KEGG MODULEM number2008KEGG DISEASEH number2010KEGG ENVIRONE numberKEGG RCLASSRC number2014KEGG DGROUPDG number KEGG широко используется для анализа не только геномных данных, но и для исследования транскриптома, протеома, гликома, метаболома и метагенома различных живых организмов, в том числе и человека.
База данных
Архитектура веб-сайта KEGG Доступ к данным, хранящимся на KEGG, осуществляется с помощью веб-сайта KEGG. Главная страница сайта содержит список ссылок на основные базы данных KEGG, вторичные базы данных, созданные для удобного поиска, и различные инструменты для анализа биологических и медицинских данных. Представленные ссылки указывают на страницы с подробным описанием каждой базы данных/инструмента и с интерфейсом поиска/работы. По ссылке KEGG2 располагается страница с полным перечнем всех баз данных и программных средств ресурса KEGG, в том числе те, которые доступны на сайте GenomeNet (базы данных: MGENOME, MGENES, EXPRESSION и OC; инструменты анализа: BLAST/FASTA, KAAS, SIMPCOMP и т. д.). Поиск данных на сайте KEGG можно осуществлять разными способами: непосредственно в основных базах данных (таблица 2), по субъектам (таблица 3) и по организмам. Поиск по субъектам и по организмам осуществляется с помощью интерфейсов, специально созданных для упрощения работы с базами данных.
+Таблица 2. Основные базы данных KEGG Категория База данных СодержаниеСистемная информация(Systems information)KEGG PATHWAYКарты метаболических и регуляторных путейKEGG BRITEКлассификация биологических объектов и явленийKEGG MODULEМодули (функциональные единицы) генов и путейГеномная информация (Genomic information)KEGG ORTHOLOGY (KO)Семейства ортологичных геновKEGG GENOMEСеквенированные геномы различных живых организмовKEGG GENESПоследовательности генов и белковKEGG SSDBВыявленные сходства генных последовательностейХимическая информация (Chemical information)KEGG COMPOUNDДанные о малых молекулахKEGG GLYCANИнформация об известных гликанах (полисахаридах)KEGG REACTIONИнформация об известных биохимических реакциях в живых организмахKEGG RCLASSКлассы химических реакций в живых организмахKEGG ENZYMEНоменклатура известных ферментовИнформация, связанная со здоровьем человека (Health information)KEGG DISEASEИнформация обо всех известных человеческих болезняхKEGG DRUGДанные об открытых лекарствахKEGG DGROUPСуществующие группы лекарствKEGG ENVIRONВещества, связанные со здоровьем человека
+Таблица 3. Поиск по субъектам.База данныхОписаниеKEGG CancerПоиск по различным типам ракаKEGG PathogenПоиск по болезням и патогенамKEGG VirusПоиск по вирусамKEGG PlantПоиск по растениямKEGG GlycanПоиск по гликанамKEGG AnnotationПоиск по KO-аннотации генов и белковKEGG RModuleСтроение метаболических путейKEGG SeqDataПоиск по коллекциям секвенированных данных
Основные базы данных KEGG Хранилище данных веб-ресурса KEGG включает 16 баз данных, разделенных на 4 категории, как показано в Таблице 2.
Категория «Systems information» включает в себя три базы данных: PATHWAY, BRITE and MODULE. Она содержит базовые знания о высокоуровневых системных функциях клеток и организмов в целом, включая разные клеточные процессы, в том числе метаболизм, функции организма и человеческие болезни. База данных ORTHOLOGY из категории «Genomic information» содержит информацию о функциях клеток на молекулярном уровне. Раздел «Genomic information» также содержит базы GENOME и GENES, данные в которых частично получены из баз данных RefSeq, Genbank and NCBI Taxonomy. SSDB является вспомогательной базой данных, которая используется в основном для аннотации базы GENES. Категория «Chemical information» включает базы данных COMPOUND, GLYCAN, REACTION, RCLASS и ENZYME, в которых хранится информация об известных химических реакциях в живых организмах и о веществах, участвующих в различных процессах. Категория «Health information» содержит базы DISEASE, DRUG, DGROUP and ENVIRON, а также две внешние базы данных с обозначениями лекарств: японские названия лекарств, полученные из базы JAPIC и обозначения FDA, полученные из DailyMed.
Системная информация
KEGG PATHWAY Центром ресурса является энциклопедия метаболический путей KEGG PATHWAY. Это база данных, содержащая данные о генных продуктах, связанных в сети белок-белковых взаимодействий, сети ферментов и регуляторов генов. База данных PATHWAY представлена в виде диаграмм, называемых картами, соответствующих определённым сетям. Существуют карты для клеточных и организменных функций. Данные представлены в виде графических диаграмм, включающих большинство метаболических путей и некоторые из наиболее известных регуляторных путей. В KEGG есть интерактивные схемы клеточных процессов (метаболических реакций, процессов мембранного транспорта, передачи сигналов и др.), метаболические сети и сети белок-белковых взаимодействий.
Карты делят на следующие группы: метаболизм (добавлены секции «Биосинтез и метаболизм гликанов» и «Биосинтез нерибосомных пептидов»), обработка генетической информации (транскрипция, трансляция, репликация, репарация и т. д.), взаимодействие с окружающей средой (мембранный транспорт, передача сигналов и т. д.), клеточные процессы (процессы роста и деления клетки, клеточная смерть, функции клеточных мембран и т. д.), организменные системы (иммунная система, эндокринная система, нервная система и т. д.), заболевания человека, разработка лекарств.
Сопоставление крупномасштабных наборов геномных, транскриптомных, протеомных или метаболомных данных картам путей KEGG PATHWAY для биологической интерпретации высокоуровневых систематических функций осуществляется с помощью инструментов KEGG PATHWAY Mapping: Search Pathway, Search&Color Pathway, Color Pathway.
KEGG BRITE KEGG BRITE — это тотальное структурированное формализованное описание объектов и явлений биологии, отраженных в базах KEGG. До 2005 года BRITE существовал как отдельная база данных, впоследствии включённая в проект KEGG. База данных KEGG BRITE отражает онтологию — иерархическую классификацию биологических сущностей, к числу которых относятся гены, белки, организмы, патологии, лекарственные препараты, химические соединения и т. п. KEGG BRITE представлена в виде иерархической структуры различных данных, например, геномных и химических (KEGG orthology (KO) и Reaction classification (RC)).
Иерархия BRITE: Иерархия сетей (Network hierachy) Белковые семейства (Protein families) Соединения (Compounds) Взаимодействия соединений (Compound interactions) Лекарственные препараты (Drugs) Заболевания человека (Diseases) Организмы (Organisms)
KEGG MODULE KEGG MODULE — это коллекция оформленных вручную функциональных единиц, называемых модулями KEGG, которые используются для аннотации и биологической интерпретации отсеквенированных геномов. В этой базе лежат метаболические схемы с высоким разрешением, изображающие функциональные подпути, характерные для определённых таксонов, и молекулярные комплексы, встречающиеся в этих процессах. Представлены 4 типа модулей: модули в метаболических и регуляторных путях, представляющие узкие функциональные единицы в метаболомных картах путей KEGG; структурные комплексы, часто образующие молекулярные механизмы; функциональные сеты — иные виды основных комплексов; модули-сигнатуры, представляющие собой маркеры фенотипа, по которым, например, можно определить, имеется ли у организма тот или иной метаболический путь.
Все модули имеют вид комбинации M- и K-номеров. Например, сигнатурный модуль для ассимиляции сульфата определяется следующим образом: (K14708,M00185)+M00176.
Геномная информация
KEGG ORTHOLOGY KO (KEGG ORTHOLOGY) — идентификаторы ортологичных генов, с помощью которых классифицируются любые гены и сети. Каждой записи KO присваивается идентификатор K, позволяющий связать геномную информацию из KEGG GENES и данные из KEGG PATHWAY. Каждый идентификатор KO представляет собой группу гомологичных по последовательности генов. Степень гомологии зависит от рассматриваемого пути. Использование записей KO позволяет стандартизовать форму записи, используемую в картах взаимодействий KEGG, BRITE иерархиях и KEGG MODULES. Например, когда разрабатывают карту взаимодействий для определённого организма, проводят работу по присваиванию белкам и генам на карте идентификаторов K. Группа гомологии KO соответствует подграфу графа SSDB. Аннотация генома осуществляется за счёт модификации этого подграфа при помощи KOALA (KEGG Orthology And Links Annotation). Эта программа оценивает гомологию последовательностей, лучшие соответствия и таксономические группы для каждого гена при помощи таблицы GFIT, полученной из SSDB.
Структура KO: 01100 Метаболизм (Metabolism) 01200 Обработка генетической информации (Genetic information processing) 01300 Взаимодействие с окружающей средой (Environmental information processing) 01400 Клеточные процессы (Cellular processes)