Биоақпараттық дерекқорлар жинағы: KEGG жүйесі

Кіріспе

Биоинформатикалық деректер базаларының жинағы

KEGG (Гендер мен геномдардың Киото энциклопедиясы) – геномдар, биологиялық жолдар, аурулар, дәрі-дәрмектер және химиялық заттармен айналысатын деректер базаларының жинағы. KEGG биоинформатикалық зерттеулер мен білім беру үшін пайдаланылады, соның ішінде геномика, метагеномика, метаболомика және басқа да «омика» салаларындағы деректерді талдау, жүйелік биологияда модельдеу және симуляция жасау, сондай-ақ жаңа дәрілерді әзірлеудегі аудармалық зерттеулер үшін қолданылады. KEGG деректер базасын құру жобасын 1995 жылы Киото университетінің Химиялық зерттеулер институтының профессоры Минору Канехиса бастады. Геномдық тізбектердің деректерін биологиялық тұрғыдан түсіндіруге арналған компьютерлік ресурс қажеттілігін болжай отырып, ол KEGG PATHWAY деректер базасын әзірлеуді бастады. Бұл – метаболизм және жасуша мен организмнің басқа да функциялары туралы тәжірибелік білімді көрсететін қолмен салынған KEGG жол карталарының жиынтығы. Әрбір жол картасында молекулалық өзара әрекеттесулер мен реакциялардың желісі бар және ол геномдағы гендерді жолдағы ген өнімдерімен (көбінесе ақуыздармен) байланыстыруға арналған. Бұл KEGG жол картасын жасауға мүмкіндік берді, онда геномдағы гендердің құрамы KEGG PATHWAY деректер базасымен салыстырылады, осы арқылы геномда қандай жолдар мен байланысты функциялар кодталғанын анықтауға болады. Әзірлеушілердің сөзіне сүйенсек, KEGG – биологиялық жүйенің «компьютерлік бейнесі». Ол жүйенің құрылымдық элементтері мен сымдалу схемаларын біріктіреді, атап айтқанда гендер мен ақуыздардың генетикалық құрылымдық элементтерін, кіші молекулалар мен реакциялардың химиялық құрылымдық элементтерін, сондай-ақ молекулалық өзара әрекеттесулер мен реакциялық желілердің сымдалу схемаларын біріктіреді. Бұл тұжырым KEGG деректер базаларында іске асырылған, олар жүйелік, геномдық, химиялық және денсаулық туралы ақпараттарға жіктеледі. Жүйелік ақпарат
PATHWAY: жасушалық және организмдік функцияларға арналған жол карталары
MODULE: гендердің модульдері немесе функционалдық бірліктері
BRITE: биологиялық объектілердің иерархиялық жіктелуі
Геномдық ақпарат
GENOME: толық геномдар
GENES: толық геномдардағы гендер мен ақуыздар
ORTHOLOGY: толық геномдардағы гендердің ортологтық топтары
Химиялық ақпарат
COMPOUND, GLYCAN: химиялық қосылыстар мен гликандар
REACTION, RPAIR, RCLASS: химиялық реакциялар
ENZYME: ферменттер номенклатурасы
Денсаулық туралы ақпарат
DISEASE: адам аурулары
DRUG: бекітілген дәрі-дәрмектер
ENVIRON: шикізаттан алынған дәрі-дәрмектер және денсаулыққа қатысты заттар

KEGG (Kyoto Encyclopedia of Genes and Genomes) is a collection of databases dealing with genomes, biological pathways, diseases, drugs, and chemical substances. KEGG is utilized for bioinformatics research and education, including data analysis in genomics, metagenomics, metabolomics and other omics studies, modeling and simulation in systems biology, and translational research in drug development. The KEGG database project was initiated in 1995 by Minoru Kanehisa, professor at the Institute for Chemical Research, Kyoto University, under the then ongoing Japanese Human Genome Program. Foreseeing the need for a computerized resource that can be used for biological interpretation of genome sequence data, he started developing the KEGG PATHWAY database. It is a collection of manually drawn KEGG pathway maps representing experimental knowledge on metabolism and various other functions of the cell and the organism. Each pathway map contains a network of molecular interactions and reactions and is designed to link genes in the genome to gene products (mostly proteins) in the pathway. This has enabled the analysis called KEGG pathway mapping, whereby the gene content in the genome is compared with the KEGG PATHWAY database to examine which pathways and associated functions are likely to be encoded in the genome. According to the developers, KEGG is a "computer representation" of the biological system. It integrates building blocks and wiring diagrams of the system—more specifically, genetic building blocks of genes and proteins, chemical building blocks of small molecules and reactions, and wiring diagrams of molecular interaction and reaction networks. This concept is realized in the following databases of KEGG, which are categorized into systems, genomic, chemical, and health information. Systems information
PATHWAY: pathway maps for cellular and organismal functions
MODULE: modules or functional units of genes
BRITE: hierarchical classifications of biological entities
Genomic information
GENOME: complete genomes
GENES: genes and proteins in the complete genomes
ORTHOLOGY: ortholog groups of genes in the complete genomes
Chemical information
COMPOUND, GLYCAN: chemical compounds and glycans
REACTION, RPAIR, RCLASS: chemical reactions
ENZYME: enzyme nomenclature
Health information
DISEASE: human diseases
DRUG: approved drugs
ENVIRON: crude drugs and health related substances

Геномдық ақпарат

1995 жылы KEGG жобасы басталғаннан кейін бірнеше ай өткен соң, толық тізбектелген бактериялық геном туралы алғашқы хабарлама жарияланды. Содан бері жарияланған барлық толық геномдар эукариоттар және прокариоттар үшін KEGG-де жинақталады. KEGG GENES деректер базасы ген/ақуыз деңгейіндегі ақпаратты, ал KEGG GENOME деректер базасы осы геномдарға қатысты организм деңгейіндегі ақпаратты қамтиды. KEGG GENES деректер базасы толық геномдарға арналған ген жиынтықтарынан тұрады, және әрбір жиынтықтағы гендер KEGG жол карталарының, KEGG модульдерінің және BRITE иерархияларының схемалық кескіндерімен сәйкестік орнату арқылы түсіндіріледі. Бұл сәйкестіктер ортологтар тұжырымдамасы негізінде жасалады. KEGG жол карталары нақты организмдердегі экспериментальдық деректерге сүйене отырып салынған, бірақ олар басқа организмдерге де қолданылуы мүмкін, себебі адам мен егеуқұйрық сияқты әртүрлі организмдер көбінесе функционалдық тұрғыдан бірдей гендерден тұратын бірдей жолдарды бөліседі, олар ортологты гендер немесе ортологтар деп аталады. KEGG GENES деректер базасындағы барлық гендер KEGG ORTHOLOGY (KO) деректер базасында осындай ортологтарға топтастырылған. KEGG жол карталарының түйіндеріне (ген өнімдеріне), сондай-ақ KEGG модульдері мен BRITE иерархияларына KO идентификаторлары берілгендіктен, геномдағы гендер KEGG-дегі геномды түсіндіру процедурасы арқылы KO идентификаторларымен белгіленген кезде сәйкестіктер орнатылады. Геномдағы фермент гендерінің жиынтығы KEGG жол карталарымен салыстырылғанда ферменттік байланыс желілерін анықтайды, бұл өз кезегінде химиялық құрылымның өзгеру желілерін сипаттайды, осы арқылы организмнің биосинтездік және биодеградациялық мүмкіндіктерін түсінуге болады. Сонымен қатар, метаболомда анықталған метаболиттер жиынтығы ферменттік жолдар мен қатысты фермент гендерін түсінуге көмектеседі. Химиялық ақпарат санатындағы деректер базалары, жиынтығында KEGG LIGAND деп аталады, химиялық желі туралы білімді жинау арқылы ұйымдастырылған. KEGG жобасының бастапқы кезеңінде KEGG LIGAND үш деректер базасынан тұрды: химиялық қосылыстар үшін KEGG COMPOUND, химиялық реакциялар үшін KEGG REACTION және фермент номенклатурасындағы реакциялар үшін KEGG ENZYME. Қазіргі уақытта қосымша деректер базалары бар: гликандар үшін KEGG GLYCAN және RPAIR (реагент жұптарының сәйкестендірілуі) және RCLASS (реакция класы) деп аталатын екі қосымша реакция деректер базасы. KEGG COMPOUND құрамына метаболиттерден басқа, ксенобиотиктер сияқты әртүрлі қосылыстар да енгізілді.

Several months after the KEGG project was initiated in 1995, the first report of the completely sequenced bacterial genome was published. Since then all published complete genomes are accumulated in KEGG for both eukaryotes and prokaryotes. The KEGG GENES database contains gene/protein level information and the KEGG GENOME database contains organism level information for these genomes. The KEGG GENES database consists of gene sets for the complete genomes, and genes in each set are given annotations in the form of establishing correspondences to the wiring diagrams of KEGG pathway maps, KEGG modules, and BRITE hierarchies. These correspondences are made using the concept of orthologs. The KEGG pathway maps are drawn based on experimental evidence in specific organisms but they are designed to be applicable to other organisms as well, because different organisms, such as human and mouse, often share identical pathways consisting of functionally identical genes, called orthologous genes or orthologs. All the genes in the KEGG GENES database are being grouped into such orthologs in the KEGG ORTHOLOGY (KO) database. Because the nodes (gene products) of KEGG pathway maps, as well as KEGG modules and BRITE hierarchies, are given KO identifiers, the correspondences are established once genes in the genome are annotated with KO identifiers by the genome annotation procedure in KEGG. A set of enzyme genes in the genome will identify enzyme relation networks when superimposed on the KEGG pathway maps, which in turn characterize chemical structure transformation networks allowing interpretation of biosynthetic and biodegradation potentials of the organism. Alternatively, a set of metabolites identified in the metabolome will lead to the understanding of enzymatic pathways and enzyme genes involved. The databases in the chemical information category, which are collectively called KEGG LIGAND, are organized by capturing knowledge of the chemical network. In the beginning of the KEGG project, KEGG LIGAND consisted of three databases: KEGG COMPOUND for chemical compounds, KEGG REACTION for chemical reactions, and KEGG ENZYME for reactions in the enzyme nomenclature. Currently, there are additional databases: KEGG GLYCAN for glycans and two auxiliary reaction databases called RPAIR (reactant pair alignments) and RCLASS (reaction class). KEGG COMPOUND has also been expanded to contain various compounds such as xenobiotics, in addition to metabolites.

Денсаулық туралы ақпарат

KEGG-де аурулар генетикалық факторлар мен қоршаған орта факторларының әсерінен туындаған биологиялық жүйенің бұзылған күйлері ретінде қарастырылады, ал дәрілер – әртүрлі әсер ететін заттар ретінде қарастырылады. KEGG PATHWAY деректер базасы биологиялық жүйелердің қалыпты күйін ғана емес, сонымен қатар бұзылған күйін де қамтиды. Дегенмен, көптеген аурулар үшін ауру жолдарының картасын жасау мүмкін емес, себебі молекулалық механизмдер толыққанды түсініксіз. KEGG DISEASE деректер базасында аурулардың белгілі генетикалық және қоршаған орта факторларын тіркеуге бағытталған басқа тәсіл қолданылады. Бұл тізімдер болашақта аурулардың толық схемасын құруға көмектесуі мүмкін. KEGG DRUG деректер базасы Жапония, АҚШ және Еуропада мақұлданған дәрілердің белсенді құрауларын қамтиды. Олар химиялық құрылымдарымен және/немесе химиялық компоненттерімен ерекшеленеді және KEGG жол карталары мен BRITE иерархиясындағы мақсатты молекулалармен, метаболизм ферменттерімен және басқа молекулалық өзара әрекеттесу желісі туралы ақпаратпен байланыстырылған. Бұл геномдық ақпаратпен дәрілердің өзара әрекеттесуін интеграцияланған түрде талдауға мүмкіндік береді. Мақұлданбаған дәрілік препараттар мен денсаулыққа қатысты басқа заттар KEGG ENVIRON деректер базасында сақталады. Денсаулық туралы ақпарат санатындағы деректер жиынтығы KEGG MEDICUS деп аталады, және ол Жапонияда сатылатын барлық дәрі-дәрмектердің нұсқамаларын да қамтиды.

Жазылу үлгісі

2011 жылдың шілдесінде KEGG үкіметтік қаржыландырудың күрт қысқартылуына байланысты FTP арқылы жүктеуге ақылы жазылым жүйесін енгізді. KEGG веб-сайты арқылы тегін қолжетімділігін сақтап тұр, бірақ ақылы жазылым жүйесі биоинформатикалық дерекқорлардың тұрақтылығы туралы талқылауларды қозғады.