Kegg database

何时使用

适用：

• 把基因映射到生物通路（如「TP53 参与哪些通路？」），或反查通路里的基因/化合物/酶。
• 取代谢通路详情、基因清单、化合物结构、KGML/通路图。
• 在 KEGG、NCBI Gene、UniProt、PubChem、ChEBI 之间转标识符。
• 查 KEGG 药理库里的药物-药物相互作用（DDI）。
• 构建通路富集背景（一物种全部通路 → 各通路基因集），供下游富集工具。
• 跨表交叉引用化合物、反应、酶、通路、KO 直系同源组。

不该用（负边界）：

• 纯 Python 多库聚合（一脚本同时查 KEGG + UniProt + Ensembl）——用 gget-genomic-databases 或 bioservices。
• 本地化学信息学（指纹、描述符、子结构）——用 cheminformatics-toolkit。
• 通路可视化/上色——直接用 KEGG Mapper（https://www.kegg.jp/kegg/mapper/）。
• 跑富集统计本身（超几何/GSEA 打分）——本技能只供基因集背景，统计交 gene-set-enrichment-analysis。

步骤 / 指令

1. 环境：仅需 requests，无需鉴权；pixi/conda 内用 pixi run python ...。

   pip install requests
   

2. 固定 URL 语法（所有响应都是制表符分隔文本，无 query 参数）：

   https://rest.kegg.jp/<operation>/<arg1>/<arg2>...
   

   七个 operation：info（库元信息）、list（列条目）、find（关键词/属性搜）、get（取完整条目）、conv（ID 转换）、link（交叉引用）、ddi（药物相互作用）。
3. 先 list/find 再 get：用 list/find 枚举 ID，再 get 取具体条目；不要整库下载。
4. 批量用 + 拼接：get/list/conv/link/ddi 单次最多 10 个条目（hsa:10458+hsa:10459）；image/kgml/json 格式只接受 1 个。
5. 优先物种专属通路 ID：分析已知物种时用 hsa00010（人糖酵解，含物种基因映射），别用 map00010（参考通路，泛化无基因）。
6. 批量请求间加延时：无硬性限流，但 time.sleep(0.5) 防服务端节流；遇 403 加到 1s 并降并发。
7. 统一解析制表符：响应一律 \t 分字段、\n 分记录；split 前先 .strip()。
8. 学术用途专属：商业使用需另购 KEGG 许可。

示例

快速上手（基因 → 通路 → 详情）：

import requests
BASE = "https://rest.kegg.jp"

def kegg(op, *args):
    r = requests.get(f"{BASE}/{op}/{'/'.join(args)}")
    r.raise_for_status()
    return r.text

# TP53(hsa:7157) 所在通路
print(kegg("link", "pathway", "hsa:7157")[:200])
# hsa:7157	path:hsa04010 ...
# 取某通路完整条目
print(kegg("get", "hsa04110")[:300])

列出与搜索（list / find）：

# 人类全部通路（path:hsaXXXXX \t 名称）
for line in kegg("list", "pathway", "hsa").strip().split("\n")[:3]:
    pid, name = line.split("\t"); print(pid, name)

# 关键词搜基因 / 分子式精确匹配 / 精确质量区间
kegg("find", "genes", "p53")
kegg("find", "compound", "C7H10N4O2", "formula")   # /formula 精确
kegg("find", "drug", "300-310", "exact_mass")      # /exact_mass 区间；另有 /mol_weight

取条目的多种格式（get）：

seq = kegg("get", "hsa:10458", "aaseq")            # 蛋白 FASTA；ntseq=核酸
mol = kegg("get", "cpd:C00002", "mol")             # ATP 的 MOL 结构
# 通路图 PNG（单条目，二进制）
img = requests.get(f"{BASE}/get/hsa05130/image").content
open("pathway.png", "wb").write(img)
# 其余格式：kcf / kgml(XML) / json，均仅限 1 条目

ID 转换（conv，支持 ncbi-geneid / ncbi-proteinid / uniprot / pubchem / chebi）：

print(kegg("conv", "uniprot", "hsa:10458").strip())          # KEGG → UniProt
print(kegg("conv", "hsa", "ncbi-geneid:7157").strip())       # 反向：NCBI → KEGG(TP53)
all_map = kegg("conv", "ncbi-geneid", "hsa")                 # 全物种批量（结果大，建议本地缓存）

交叉引用（link）+ 药物相互作用（ddi）：

# 糖酵解通路里的基因 / 某基因映射到 KO
genes = kegg("link", "genes", "hsa00010")
ko    = kegg("link", "ko", "hsa:10458").strip()
# 药物-药物相互作用：单药全部 / 两两组合（≤10，+ 拼接）
ddi = kegg("ddi", "D00001+D00002+D00003")

富集背景（一物种全通路 → 基因集字典）：

import time
pathways = {l.split("\t")[0].replace("path:", ""): l.split("\t",1)[1]
            for l in kegg("list", "pathway", "hsa").strip().split("\n")}
gene_sets = {}
for pid in list(pathways)[:3]:        # 演示前 3 个；全量记得加缓存
    txt = kegg("link", "genes", pid)
    gene_sets[pid] = [x.split("\t")[1] for x in txt.strip().split("\n") if x]
    time.sleep(0.5)

解析 KEGG 平文件条目（NAME/DESCRIPTION 等字段在前 12 列）：

def parse_entry(text):
    entry, key = {}, None
    for line in text.split("\n"):
        if line.startswith("///"): break
        if line[:12].strip():            # 新字段
            key = line[:12].strip(); entry[key] = line[12:].strip()
        elif key:                         # 续行
            entry[key] += "\n" + line[12:].strip()
    return entry
p = parse_entry(kegg("get", "hsa00010"))
print(p.get("NAME"))

注意事项

标识符格式：

类型	格式	例
参考通路（泛化）	map#####	map00010 糖酵解
物种通路	{org}#####	hsa00010 人糖酵解
基因	{org}:{number}	hsa:7157 TP53
化合物	cpd:C#####	cpd:C00002 ATP
药物	dr:D#####	dr:D00001
酶	ec:{EC}	ec:1.1.1.1
KO 直系同源	ko:K#####	ko:K00001

常用物种代码：hsa（人）、mmu（鼠）、dme（果蝇）、sce（酵母）、eco（大肠杆菌）。常用库：pathway/module/brite/genes/compound/glycan/reaction/enzyme/disease/drug/ko。link 常用方向：基因↔pathway、pathway↔compound、pathway↔enzyme、基因↔ko。

常见排错：

• HTTP 404：ID 格式或物种代码错——先 list 核对有效 ID。
• HTTP 400：URL 拼错——路径形如 /{op}/{arg1}/{arg2}，不要带 query 参数。
• 空响应：搜索词过窄或物种代码不符——放宽关键词、试部分匹配。
• image/kgml/json 报错：这些格式只接受 1 条目——去掉 + 拼接。
• HTTP 403：服务端节流——time.sleep(1)、降批量频率。
• 返回的基因 ID 不对：误用了参考通路 map00010——基因映射须用物种前缀 hsa00010。
• conv 返回空：并非所有条目都有 UniProt/NCBI 映射，属正常；先 list 确认覆盖。
• 中文/非 ASCII 乱码：用 resp.text（requests 自动判码）或显式 resp.encoding='utf-8'。

参考：KEGG REST API 文档、KEGG 主站、物种代码表；Kanehisa M. et al. (2023) Nucleic Acids Research 51:D483-D489。

互见

• requires：无。
• related：gget-genomic-databases —— Python 统一接口聚合 Ensembl/NCBI/UniProt，基因级查询无需 KEGG 通路背景时用它；uniprot-protein-database、pubchem-compound-search、opentargets-database —— 跨库 ID 衔接（conv 取 UniProt/PubChem CID 后下钻）。
• combines_with：gene-set-enrichment-analysis —— 本技能供通路基因集背景，由它跑超几何/GSEA 统计；pubchem-compound-search —— 用 conv pubchem cpd:Cxxxx 把 KEGG 化合物桥接到 PubChem 取理化属性。

---

采编自 jaechang-hits/SciAgent-Skills（CC-BY-4.0）。