kegg数据库包括哪些代谢通路

基因功能定位这个很复杂，可以专门开一篇文章了，暂且到此。

假设我们现在有了基因序列及其功能，我们接下来也会知道该基因合成了哪些蛋白，参与了哪些化学反应。

代谢是细胞内各种化学反应的总称，一个代谢途径包括代谢的前提、产物和酶。

微生物多样研究—16SrRNA基因功能代谢预测

微⽣物多样研究—16SrRNA基因功能代谢预测

1 16S rRNA基因功能代谢预测

对于微⽣物⽣态学研究，我们最关注的⽆疑是菌群所具备的代谢功能。随着数据分析技术的发展，我们现在已能根据已知的微⽣物基因组数据，对菌群组成的测序数据（典型的如16SrRNA基因的测序结果）进⾏菌群代谢功能的预测，从⽽把物种的“⾝份” 和它们的“功能”对应起来。

根据菌群代谢功能预测结果，⼀⽅⾯能⼀窥菌群功能谱的概貌，发挥菌群多样性组成谱测序性价⽐⾼的优势；另⼀⽅⾯也能帮助指导后续宏基因组Denovo鸟q法测序的实验设计，更合理地筛选⽤于后续研究的样本。

2 PICRUSt功能预测分析

PICRUSt（PhylogeneticInvestigation of Communities by Reconstruction of Unobserved States）是由美国哈佛⼤学的CurtisHuttenhower课题组开发的菌群代谢功能预测⼯具，通过将现有的16SrRNA基因测序数据与代谢功能已知的微⽣物参考基因组数据库相对⽐，从⽽实现对细菌和古菌代谢功能的预测；预测过程中还考虑了不同物种16SrRNA基因拷贝数的差异，并对原始数据中的物种丰度数据进⾏校正，使预测结果更准确可靠。

分析的总体思路如下：

先根据已测微⽣物基因组的16SrRNA基因全长序列，推断它们的共同祖先的基因功能谱；

对Greengenes 16SrRNA基因全长序列数据库中其它未测物种的基因功能谱进⾏推断，构建古菌和细菌域全谱系的基因功能预测谱；

将测序得到的16S rRNA基因序列数据与Greengenes数据库⽐对，寻找每⼀条测序序列的“参考序列最近邻居”，并归为参考OTU；

根据“参考序列最近邻居”的rRNA基因拷贝数，对获得的OTU丰度矩阵进⾏校正；

最后，将菌群组成数据“映射”到已知的基因功能谱数据库中，实现对菌群代谢功能的预测

PICRUSt能将16SrRNA基因序列在3种功能谱数据库中进⾏预测，即KEGG、COG和Rfam。

代谢（Metabolism）

遗传信息处理（Genetic Information Processing）

环境信息处理（Environmental InformationProcessing）

细胞进程（Cellular Processes）

⽣物体系统（Organismal Systems）

⼈类疾病（Human Diseases）

每⼀类代谢通路⼜被进⼀步划分为多个等级。⽬前，第⼆等级⼀共包括45种代谢通路⼦功能，第三等级即对应代谢通路图，⽽第四等级则对应代谢通路上各个KO（KEGGorthologous groups，KEGG直系同源基因簇）的具体注释信息。

根据PICRUSt的预测结果，可以获得每样本对应于各功能谱数据库的注释信息，以及预测得到的功能类群的丰度矩阵。

KEGG功能预测：

通过OTU聚类分析，得到的OTU代表序列与Greengenes数据库⽐对，得到KEGGpathway 3个层级和丰度表。

COG功能预测：

通过OTU聚类分析，得到的OTU代表序列与Greengenes数据库⽐对，得到COG orthology和function丰度表。

利⽤丰度表信息完成各类可视化结果展⽰。

￥

5

百度文库VIP限时优惠现在开通,立享6亿+VIP内容

立即获取

微生物多样研究—16SrRNA基因功能代谢预测

微⽣物多样研究—16SrRNA基因功能代谢预测

1 16S rRNA基因功能代谢预测

对于微⽣物⽣态学研究，我们最关注的⽆疑是菌群所具备的代谢功能。随着数据分析技术的发展，我们现在已能根据已知的微⽣物基因组数据，对菌群组成的测序数据（典型的如16SrRNA基因的测序结果）进⾏菌群代谢功能的预测，从⽽把物种的“⾝份” 和它们的“功能”对应起来。

根据菌群代谢功能预测结果，⼀⽅⾯能⼀窥菌群功能谱的概貌，发挥菌群多样性组成谱测序性价⽐⾼的优势；另⼀⽅⾯也能帮助指导后续宏基因组Denovo鸟q法测序的实验设计，更合理地筛选⽤于后续研究的样本。

运用KEGG数据库查询某个基因注释到哪些通路

最简单，但是未必最有效的办法，但是最快

抽个样本，把你的目标基因打上标记，然后建立一个模型，比如决策树等等

模型质量不错的情况下跑全库，然后找出分类结果为你目标分类的记录

⑴定义：具有抗体活性或化学结构与抗体相似的球蛋白称为免疫球蛋白，包括：具有免疫活性的正常抗体；没有抗体活性的异常免疫球蛋白。 ⑵Ig的基本结构： 1）组成：Ig是由两条相同的重链和两条相同的轻链借链间二硫键连接组成的四肽链结构 2）可变区：①近氨基端（N端）L链的1/2（VL）和H链的1/4或1/5（VH） ②超变区（HVR）：在V区内氨基酸组成及序列变化最为剧烈的特定部位。 ③骨架区：Ig超变区之外的部位，其氨基酸序列、组成相对保守，称为骨架区。稳定CDR结构，以利IgCDR与抗原决定簇精细特异地结合。 3）恒定区：近羧基端（C端）L链的1/2（CL）和H链的3/4或4/5（CH） 4）铰链区：位于CH1与CH2之间，富含脯氨酸，不易形成螺旋，易伸展弯曲，对蛋白水解酶敏感 ⑶Ig的生物学功能：1）抗体的中和作用：①抗毒素与相应外毒素结合可发挥中和作用。 ②病毒中和抗体能阻止病毒吸附和穿入易感细胞。 2)激活补体产生细胞溶解作用：①IgM、IgG1、IgG2、IgG3与病原体或靶细胞特异性结合→激活补体经典途径→病原体或靶细胞溶解破坏。 ②聚合的IgG4、IgA、IgE可经旁路途径激活补体。 3）与Fc受体结合： ①调理作用：IgG抗体与病原体等抗原性物质特异性结合→通过Fc段与吞噬细胞表面相应受体(FcγR)结合→对靶细胞产生定向非特异性杀伤作用。 ②ADCC：当IgG与靶细胞特异性结合后，其Fc段可与NK细胞、巨噬细胞、单核细胞的FcγR结合，促使细胞毒颗粒的释放，发挥ADCC作用，导致靶细胞的溶解。 ③介导Ⅰ、Ⅱ、Ⅲ型超敏反应，产生超敏反应。 ④人IgG的Fc段与SPA结合用于IgG的纯化和临床检测。 4）穿过胎盘：IgG可穿过胎盘进入胎儿体内。 5）局部免疫作用：分泌型IgA可阻止病原体对宿主粘膜上皮细胞的粘附→在局部发挥抗感染免疫作用。

水稻微生物组动态变化揭示核心垂直传播的种子内生微生物

期刊：Microbiome

IF：16837

发表时间：2022129

第一作者：张晓霞，马毅楠

通讯作者：魏海雷

通讯作者单位：中国农科院农业资源与农业区划研究所

DOI号：101186/s40168-022-01422-9

实验设计

实验设计图：本研究基于两代水稻、6个品种(RBQ、L31、M63、P64、Dular和Kasalath)、4个种植区(三亚、廊坊、南昌和西双版纳)、5个取样部位(散土、根际土、根内、茎内、种子内)的481份样品进行了高通量微生物组深度解析。

结果

1水稻微生物群落多样性及其驱动因素

作者利用Chao1和Shannon指数描述样品的α-多样性后发现，同一水稻品种的根际、根、茎和种子内生微生物在不同地区的α-多样性没有显著差异。此外，6个水稻品种的根际、根内、茎内和种子内样品的α-多样性指数在4个种植地点没有显著差异，说明水稻基因型对微生物多样性没有影响。此外，根际和散土微生物群落的α-多样性在4个种植地点具有明显的差异，然而，内生微生物(茎、根和种子)多样性在4个地点具有不同的分布，表明外界环境对水稻内部的微生物多样性影响不大。重要的是，作者还发现水稻微生物的α-多样性不受品种和种植地区的影响，始终呈现从根际、根、茎到种子内降低的规律。



图1 水稻相关微生物群落的α-多样性。

d和g, 6个水稻品种不同取样部位的4个种植地区合集的Chao1和Shannon指数。e和h, 4个种植地区6个水稻品种不同微生境微生物区系的Chao1和Shannon指数。f和I, 不同取样部位的所有水稻品种和种植地区合集的Chao1和Shannon指数。

通过基于Bray-Curtis相异性的PCoA分析，结果显示取样部位是微生物组变异的最主要影响因素(R2 = 0314, p < 0001)，而受种植地区(R2= 00967, p < 0001)和水稻品种(R2 = 00106, p = 0478)的影响较小。可见，取样部位是水稻微生物组组成的主要驱动力。这些数据表明，水稻微生物群落的多样性从根部远处到近处、从外部到内部、从地下到地上呈稳步下降趋势。



图2 基于Bray-Curtis相异性的水稻取样部位、种植地区和品种的PCoA分析。

2水稻微生物的群落组成及动态变化

为了调查水稻微生物的群落组成及动态变化，作者分析了在不同条件下的水稻微生物群落富集和组成情况。对于散土样品，三亚种植区的β-变形菌纲(Betaproteobacteria)的占比最高(579%)，而其他细菌菌纲占比均小于10%。相比之下，放线菌纲(Actinobacteria)广泛分布在廊坊和西双版纳种植区，而疣微菌门(Verrucomicrobia subdivision 3)在南昌种植区显著富集。根际土样品细菌群落组成与散土样品十分相似，但少数类群在这两种取样部位间变化明显，例如β-变形菌纲(Betaproteobacteria)。γ-变形菌纲(Gammaproteobacteria)是唯一一个在散土、根际、根、茎和种子中逐渐富集的菌纲，而放线菌纲、α-变形菌纲和β-变形菌纲逐渐减少，说明水稻内部生态位更加有利于γ-变形菌纲的生存。因此，来自于γ-变形菌纲的泛菌属(Pantoea)和黄单胞菌属(Xanthomonas)比来自α-变形菌纲的鞘氨醇单胞菌属(Sphingomonas)和β-变形菌纲的食酸菌属(Acidovorax)在研究水稻内生方面更加具有优势。此外，在不同取样部位中丰度最高的前五个菌纲和菌属呈现动态变化，在子代种子样品中，γ-变形菌纲和泛菌属最为优势。



图3 水稻取样部位微生物群落组成。

a,纲水平散土、根际土、根内、茎内、子代种子和亲代种子内生微生物组成柱状图。b, 纲水平各取样部位前五汇总图。c, 属水平散土、根际土、根内、茎内、子代种子和亲代种子内生微生物组成柱状图。d, 属水平各取样部位前五汇总图。

3细菌共现性网络和关键类群

通过构建不同取样部位的细菌共现性网络，作者进一步解析了细菌类群和取样部位间复杂相互作用对水稻微生物群落组成的影响。总体而言，网络的复杂性从根际、根内、茎内到种子内逐步降低。根据模块化指数可以观察到地下部分(散土、根际土和根内)比地上部分(茎内和种子内)具有更明显的模块化趋势。子代种子内样品的网络节点数、边数和平均聚类系数均为最低，网络组成最为简单。由此可见，取样部位对微生物网络的构建具有显著影响。作者根据网络节点解析微生物群落中的关键微生物。网络节点中变形菌门数量最多，且在茎内和种子内生样品中所有的节点微生物都来自变形菌门，说明该菌门在水稻内生微生物组中的重要地位。



图4 基于SparCC构建的微生物网络及网络参数。

a, 水稻微生物组不同取样部位间的共现性网络。每个节点代表一个细菌ASV，青色标记代表网络节点，边的颜色代表作用类型，红色代表正相关，蓝色代表负相关。b, 各取样部位间微生物网络的主要拓扑结构特征。

4水稻核心内生菌群

为了挖掘能够在水稻中垂直传播的核心内生微生物类群，作者首先以大于70%的阈值在不同地点、水稻品种和微生境中提取核心ASV，最终在根、茎和子代种子内生样品中分别发现了438个、94个和27个ASV，其中三者共有的ASV为14个，分布在两个菌门，6个菌目。因此，作者推测水稻核心内生菌群的组成并不完全随机，而是受到了细菌特征、宿主环境和代谢特点的影响。



图5 水稻核心内生微生物和垂直传播类群。

a, 韦恩图显示高频率出现在水稻内生取样部位(根内、茎内和种子内)的ASV。b, 韦恩图展示10个潜在的从亲本种子垂直传播到子代种子的ASV。c, 在不同取样部位的潜在垂直传播ASV的绝对丰度。

5种子内生菌垂直传播的证据

为了鉴定潜在的垂直传播细菌类群，作者分析了核心内生菌和亲代种子内生样品之间的重叠ASV，发现在14个共有内生ASV中，10个均来自亲代种子内生样品。同时ASV_2 (Pantoea)、ASV_26 (Pseudomonas)、ASV_48(Xanthomonas)和ASV_238(o_Enterobacterales)在根内、茎内、亲代种子和子代种子样品中的绝对丰度和出现频率均显著高于散土和根际土样品，表明这4种ASV最有可能是垂直传播的类群。

为进一步获得垂直传播的细菌类群，作者对种子内生细菌进行了高通量地分离、培养、纯化和鉴定，从4个种植地区和2个水稻品种(P64和Dular)的亲子代种子中分离获得了957株细菌。其中泛菌和黄单胞菌是数量最多的两个细菌菌属，分别占分离菌株的3939%和2769%。21株泛菌和27株黄单胞菌的部分16S rRNA基因序列分别与ASV_2和ASV_48序列完全相同。其中，9株泛菌和17株黄单胞菌来源于子代种子样品，其余均来自亲代种子样品。作者对这些菌株进行了基因组草图测序并进行了系统发育分析，发现分离获得的泛菌菌株分别属于P ananatis、P dispersa和 P stewartia三个种，黄单胞菌均为X sacchari种。通过比对亲代和子代的ANI值和核心基因组的相似性，发现来源于子代种子的8株泛菌与来源于亲代种子的9株泛菌具有极高的相似性；来自子代种子样品的4株黄单胞菌与来自亲代的4株菌株黄单胞菌具有极高相似性。以上结果表明种子内生菌在株系水平上存在垂直传播。



图6 可培养的垂直传播水稻种子内生菌鉴定。

a, 四个水稻种植区、两个水稻品种的亲代种子和子代种子中分离获得的可培养细菌菌株数量。b,圈图展示a中菌株属水平相关关系。c, 亲代种子和子代种子样品中分离的泛菌菌株ANI热图。d, 亲代种子和子代种子样品中分离的泛菌菌株串联核心基因组一致性热图。e, 亲代种子和子代种子样品中分离的黄单胞菌菌株ANI热图。f, 亲代种子和子代种子样品中分离的黄单胞菌菌株串联核心基因组一致性热图。

6可垂直传播的种子内生菌群基因组挖掘和功能特征

为了进一步阐明水稻中可垂直传播类群的潜在功能，作者对所有已测序的内生泛菌和黄单胞菌菌株进行基因组挖掘分析。作者计算了泛菌和黄单胞菌的泛基因和核心基因数量，并利用COG和KEGG数据库对核心基因进行了功能注释。在COG注释中，核心基因组显著富集在E(氨基酸转运和代谢)和G(碳水化合物转运和代谢)两个功能类别中，且KEGG注释中同样存在高度相关的 “碳水化合物代谢”和“氨基酸代谢” 通路。随后，作者重点关注了级代谢产物、蛋白质分泌系统和酶三大功能类别，分析中发现所有泛菌菌株都含有促进植物生长相关的1-氨基环丙烷-1-羧酸(ACC)脱氨酶和吲哚乙酰胺水解酶(iaaH)。此外，所有泛菌基因组中都具有编码多种消化酶的基因，如右旋糖酶、β-半乳糖苷酶、果胶酶、纤维素酶和淀粉酶基因。并且均具有T1SS、T5aSS和T6SS，而只有少数菌株具有T2SS、T3SS、T4SS、T5bSS和T5cSS。黄单胞菌基因组中也具有iaaH基因和丰富的消化酶编码基因如β-半乳糖苷酶、淀粉酶和果胶酶基因。然而，分离出的黄单胞菌菌株基因组中仅含有T1SS、T4SS和T5SS，而不含致病性T3SS和T6SS。随后作者对部分泛菌和黄单胞菌进行了一些促生功能特征的检测并发现所有菌株都具有纤维素酶活性，并能够产生吲哚-3-乙酸(IAA)，这与基因组挖掘的结果相对应。



图7 水稻种子垂直传播内生菌的系统发育分析。

a, 基于1258个单拷贝同源基因的串联多序列比对建立的21株泛菌菌株与20株模式菌株的最大似然发系统发育关系。b, 基于892个单拷贝同源基因的串联多序列比对建立的27株泛菌菌株与22株模式菌株的最大似然发系统发育关系。SM，次生代谢产物；PSS，蛋白质分泌系统；ENZ，消化酶。

总结

本研究建立了水稻内生微生物资源库，并通过多尺度微生物组学分析，阐明了种子内生微生物组中核心类群的垂直传播与功能特征，对未来开发种子内生菌并提高植物适应性奠定了理论基础。对进一步理解微生物-植物共进化理论提供了新的证据。水稻内生微生物资源在营养转化与吸收、抗病抗逆、耐胁迫等方面表现出的巨大潜力，也为微生物肥料、微生物农药、微生物种衣剂、微生物防腐剂的研发开辟了新的思路。

中国农科院农业资源与农业区划研究所张晓霞研究员和马毅楠博士后为该论文的共同第一作者，魏海雷研究员为通讯作者。该研究得到国家自然科学基金、中国农业科学院科技创新工程等项目资助。

基因组注释分析主要包括哪些内容

基因组注释包括以下方面的内容：

（1） 重复序列的预测。通过比对已知的重复序列数据库，找出序列中包含的重复序列，识别类型并转化为N或者X，统计各种类型重复序列的分布。

（2） 编码基因的预测。通过将转录组或EST数据比对到拼接后的基因组序列上，找出编码基因位置，预测编码基因结构。或者通过专业的外显子预测，预测编码基因的外显子结构。

（3） 小RNA基因的预测。通过比对已知的小RNA的数据库，或者通过生物信息(bioinformation)学预测，找出这些小RNA基因，并进行分类。

（4） 调控序列和假基因的预测。

基因功能的注释，使用的数据库包括NT/NR, SwissProt/TrEMbl, InterPro, KEGG, COG, Gene ontology等，使用比对的方法，如blast，找出同源相近的基因，并注释功能。

可以。

我们可以利用KEGG数据库中的KEGGMapper工具查询多个基因信号通路。根据基因表达差异列表，利用KEGGMapper进行转换。

首先，我们将需要查询的基因名称在Uniprot网址上进行ID转换（见前一篇文章），形成的Excel文件中Entry那一栏就是我们查询到的基因UniprotID了。

根据表达差异，将含UniprotID和Expression对应，值得注意的是部分基因查询不到对应的Uniprot，或者一个基因对应多个Uniprot，根据自己的内容选择对应的。可以设置颜色对表达上调或下调进行颜色区分，在Entry一栏旁设置一栏color，我们可以上调设置为“red”,下调设置为“blue”。（颜色必须用英文小写字母，大写不能识别）。然后将Entry 和color两栏复制，输入“Enterobjectsoneperlinefollowedbybgcolor,fgcolor”,点击“Exec”。

根据查询结果，选择你需要的结果。我们选择第一个，TGF-beta信号通路（human）。这样我们很清晰的看到我们查询的基因在TGF-Beta信号通路中位置和关联。并且通过颜色即可识别该基因上调还是下调。

以上就是关于kegg数据库包括哪些代谢通路全部的内容，包括:kegg数据库包括哪些代谢通路、微生物通路预测中代谢遗传信息处理细胞过程等代表什么、运用KEGG数据库查询某个基因注释到哪些通路等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！