推荐公众号奥智生物，分享前沿组学技术、实用生信技能、数据挖掘思路
在做转录组、蛋白质组等组学数据分析时，核心步骤是通过富集分析锁定目标通路，然后提取通路所有基因进行后续研究。那么，如何查找感兴趣通路中的基因？
下面就以KEGG的 PI3K-Akt 信号通路为例，为大家演示如何提取出这条通路里的全部基因。
KEGG数据库中，每一条通路都有唯一专属ID。通路ID一般分两种：参考通路ID和物种特异性通路ID。其中，参考通路ID以 map （manually drawn reference pathway）开头，如 map04151，不针对具体物种。而物种特异性通路ID由 “物种缩写+数字” 组成，如人类（Homo sapiens）为 hsa04151，小鼠（Mus musculus）为 mmu04151，大鼠（Rattus norvegicus）为rno04151。
打开 KEGG 首页，在搜索框输入 PI3K-Akt signaling pathway，点击“Search”。
结果中第1项通常就是参考通路ID，如这里的 map04151 PI3K-Akt signaling pathway。点击 map04151，进入参考通路页面。
当然，如果要查找物种特异性通路ID，比如查找Homo sapiens (human)的通路ID，可在KEGG首页直接切换到KEGG pathway maps子数据库。
接着在KEGG pathway Database页面，将通路前缀更改为“hsa”，输入关键词PI3K-Akt signaling pathway 后点击GO按钮。另外，如果是不常见物种，也可点击Organism按钮，查找相应物种对应的organism code。
查询结果给出的第1条查询记录，一般就是我们所需的通路信息，点击通路ID hsa04151就可进入目标通路的详细页面，如下图。
如果你经常用某个物种，可以直接记住规则：如人类是hsa，小鼠是mmu，大鼠是rno，后面跟上map通路的数字。map04151通路对应的人类通路ID就是hsa04151。
在hsa04151通路的详细页面，往下翻，找到 GENE 板块，如下，即可查看PI3K Akt通路中的基因列表。GENE 板块的每一行都是一个基因，包含基因ID（如10000，本身为NCBI-GeneID）和 基因Symbol（如 AKT3）以及基因描述信息。
然后，将页面中的基因信息直接复制粘贴到Excel或文本编辑器中，用正则表达式或按列分割，即可提取这些基因ID。
此外，也可通过链接 https://rest.kegg.jp/get/hsa04151 可直接将相应页面信息保存为文本文件，如下图，其中GENE板块的第1列为NCBI 基因ID，而第2列为基因Symbol。
另外，如果对某个基因感兴趣，可点击目标基因ID，如这里的10000，即可进入当前基因的详情页面，如下图。
在KEGG基因详情页面，除了包含当前基因相关的Pathway、Disease、Drug target、Motif 等信息，还包含核酸序列和蛋白序列信息，如下图。
如果觉得手动提取通路基因比较费时，也可通过R包KEGGREST快速进行基因列表提取，只需知道对应通路的id即可，如这里的hsa04151，仅需几行R代码，非常简单！
library(KEGGREST)pathway <- keggGet("hsa04151")gene_block <- pathway[[1]]$GENEgene_matrix <-matrix(gene_block, ncol=2, byrow =TRUE)gene_symbols <- gene_matrix[, 2]gene_symbols_clean <-gsub(";.*", "", gene_symbols)head(gene_symbols_clean)
可见，该通路共包含 362 个基因（不同物种略有差异）。这里面既有核心的激酶 AKT、PI3K 家族，也有大量凋亡、细胞周期、蛋白合成相关的下游效应分子。拿到这些基因之后，你就可以进行热图绘制、生存分析、PPI网络构建等！
好啦，本次提取感兴趣通路基因的教程就分享到这里啦！
基迪奥生物不仅提供转录、翻译、蛋白、代谢、表观、微生物等常规组学服务，还拥有空间组学和单细胞等多种前沿技术，以及行业内最专业的开发团队和长达十几年的成果积累，始终专注于组学测序和生信分析，为不同领域研究人员提供最好的组学研究策略。欢迎有项目意向的老师扫描下方二维码填写信息，基迪奥为您定制个性化项目执行方案。
*未经许可，不得以任何方式复制或抄袭本篇文章之部分或全部内容。版权所有，侵权必究。
