kegg genes 數(shù)據(jù)庫收錄了物種的基因信息信粮。 kegg 使用自己定義的ID 唯一區(qū)別每個基因，叫做kegg gene ID旨巷。
對于每個基因，除了給出對應的物種添忘，染色體位置采呐，ncbi-gene ID，DNA 序列搁骑， 蛋白序列等基本信息以外斧吐，還會給出這個基因?qū)腒O， module, pathway 等注釋信息靶病。
其中KO 注釋是核心会通，kegg 提供了兩種工具，用于基因的KO 注釋
對于單個物種的基因組娄周，使用BlastKOALA 工具涕侈；
對于環(huán)境微生物，使用GhostKOALA 工具進行注釋煤辨；
截止到2018年3月7號裳涛，所有基因的注釋情況如下：
http://www.kegg.jp/kegg/docs/genes_statistics.html
image
基因從功能上分成了兩大類，編碼蛋白基因和非編碼蛋白基因众辨。從注釋信息的角度端三，提供了KO , pathway, Enzyme 共3種kegg 的注釋。
我們來想詳細看下human 基因的注釋情況
目前共收錄了20380個蛋白編碼基因鹃彻，其中13226 個基因有KO 注釋郊闯；19172 個非編碼基因，其中 315個有KO 注釋；有pathway 注釋的只有 7376 個基因团赁，而有Enzyme 酶類注釋的只有3261 個基因育拨。其中pathway 相關基因只有7376個，這個數(shù)字值得我們重點關注欢摄。
對于轉(zhuǎn)錄組分析而言熬丧，KEGG的富集分析是常用的功能分析手段，而20380個蛋白編碼基因中怀挠，只有30%左右的基因有pathway 信息析蝴，剩下的沒有pathway 相關信息的基因，在富集分析時 绿淋，會被忽略掉了闷畸。所以pathway 富集分析還是有一定的局限性的。
這里我列出了人躬它，小鼠腾啥，大鼠基因的pathway 注釋情況
| org | protein | pathway |
|---|---|---|
| hsa | 20,380 | 7376 |
| mmu | 22,103 | 8197 |
| rno | 23,503 | 8436 |
總體來看，有pathway注釋信息的基因比例都很低冯吓。pathway 是基于我們已有的認知來構建的 倘待，隨著研究的不斷深入和進行，pathway 數(shù)據(jù)庫也會越來越大组贺， 也會有更多的基因有pathway 相關的信息⊥苟妫現(xiàn)階段，由于我們對基因功能認知的局限失尖，只能對那些有pathway 信息的基因去研究啊奄。所以在富集分析時，我們需要綜合多個數(shù)據(jù)庫的結果掀潮， 比如 GO, Reatcome 等數(shù)據(jù)庫菇夸。
總結：
kegg genes 數(shù)據(jù)庫收錄了基因的信息，包括了編碼基因和非編碼基因仪吧。
對于單基因組庄新，采用BlastKOALA 進行KO 注釋；對于宏基因組薯鼠，采用GhostKOALA 進行注釋择诈。
由于我們現(xiàn)階段對基因功能認知的局限性，有pathway注釋信息的基因比例較低出皇，在進行功能富集分析時羞芍，建議綜合多個數(shù)據(jù)庫的結果。
