Коллекция биоинформатических баз данных KEGG: обзор и возможности

Введение

Сборник биоинформатических баз данных

KEGG (Киотская энциклопедия генов и геномов) – это коллекция баз данных, посвященных геномам, биологическим путям, заболеваниям, лекарственным препаратам и химическим веществам. KEGG используется в биоинформатических исследованиях и образовании, включая анализ данных в геномике, метагеномике, метаболомике и других "омиксных" исследованиях, моделирование и симуляцию в системной биологии, а также трансляционные исследования в разработке лекарств. Проект базы данных KEGG был инициирован в 1995 году Минору Канехиса, профессором Института химических исследований Киотского университета, в рамках японской программы по геному человека. Предвидя потребность в компьютеризированном ресурсе для биологической интерпретации данных о последовательности генома, он начал разработку базы данных KEGG PATHWAY. Это коллекция карт KEGG PATHWAY, созданных вручную, представляющих экспериментальные знания о метаболизме и различных других функциях клетки и организма. Каждая карта пути содержит сеть молекулярных взаимодействий и реакций и предназначена для связи генов в геноме с продуктами генов (в основном белками) в данном пути. Это позволило разработать метод анализа, называемый картографированием KEGG-путей, при котором геномный состав сравнивается с базой данных KEGG PATHWAY для определения путей и связанных с ними функций, которые, вероятно, кодируются в геноме. По мнению разработчиков, KEGG является "компьютерным представлением" биологической системы. Он объединяет строительные блоки и принципиальные схемы системы – в частности, генетические строительные блоки генов и белков, химические строительные блоки малых молекул и реакций, а также принципиальные схемы молекулярных взаимодействий и реакционных сетей. Эта концепция реализована в следующих базах данных KEGG, которые классифицируются по системной, геномной, химической и медицинской информации. Системная информация
PATHWAY: карты путей для клеточных и организменных функций
MODULE: модули или функциональные единицы генов
BRITE: иерархические классификации биологических сущностей
Геномная информация
GENOME: полные геномы
GENES: гены и белки в полных геномах
ORTHOLOGY: ортологические группы генов в полных геномах
Химическая информация
COMPOUND, GLYCAN: химические соединения и гликаны
REACTION, RPAIR, RCLASS: химические реакции
ENZYME: номенклатура ферментов
Медицинская информация
DISEASE: заболевания человека
DRUG: одобренные лекарственные препараты
ENVIRON: лекарственные средства растительного происхождения и вещества, связанные со здоровьем

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

Геномная информация

Через несколько месяцев после запуска проекта KEGG в 1995 году был опубликован первый отчет о полностью секвенированном бактериальном геноме. С тех пор все опубликованные полные геномы накапливаются в KEGG для эукариот и прокариот. База данных KEGG GENES содержит информацию на уровне генов/белков, а база данных KEGG GENOME – информацию на уровне организмов для этих геномов. База данных KEGG GENES состоит из наборов генов для полных геномов, и генам в каждом наборе присваиваются аннотации, устанавливающие соответствия со схемами карт путей KEGG, модулей KEGG и иерархий BRITE. Эти соответствия устанавливаются на основе концепции ортологов. Карты KEGG-путей создаются на основе экспериментальных данных, полученных на конкретных организмах, но разработаны таким образом, чтобы быть применимыми и к другим организмам, поскольку различные организмы, такие как человек и мышь, часто имеют идентичные пути, состоящие из функционально идентичных генов, называемых ортологическими генами или ортологами. Все гены в базе данных KEGG GENES группируются в такие ортологи в базе данных KEGG ORTHOLOGY (KO). Поскольку узлам (генным продуктам) карт путей KEGG, а также модулям KEGG и иерархиям BRITE присваиваются идентификаторы KO, соответствия устанавливаются, как только гены в геноме аннотируются идентификаторами KO с помощью процедуры аннотации генома в KEGG. Набор генов ферментов в геноме позволит идентифицировать сети взаимосвязей ферментов при наложении на карты путей KEGG, которые, в свою очередь, характеризуют сети трансформации химических структур, позволяя интерпретировать биосинтетический и биодеградационный потенциал организма. Альтернативно, набор метаболитов, идентифицированных в метаболоме, приведет к пониманию ферментативных путей и вовлеченных генов ферментов. Базы данных в категории химической информации, которые в совокупности называются KEGG LIGAND, организованы на основе знаний о химической сети. В начале проекта KEGG, KEGG LIGAND состояла из трех баз данных: KEGG COMPOUND для химических соединений, KEGG REACTION для химических реакций и KEGG ENZYME для реакций в ферментной номенклатуре. В настоящее время существуют дополнительные базы данных: KEGG GLYCAN для гликанов и две вспомогательные базы данных реакций, называемые RPAIR (выравнивание пар реагентов) и RCLASS (класс реакций). KEGG COMPOUND также был расширен, чтобы включать различные соединения, такие как ксенобиотики, в дополнение к метаболитам.

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.

Информация о здоровье

В KEGG заболевания рассматриваются как измененные состояния биологической системы, вызванные факторами, нарушающими генетические факторы и факторы окружающей среды, а лекарственные препараты – как различные типы таких факторов. База данных KEGG PATHWAY включает в себя как нормальные, так и измененные состояния биологических систем. Однако, для большинства заболеваний невозможно построить карты патологических путей из-за недостаточного понимания молекулярных механизмов. В базе данных KEGG DISEASE используется альтернативный подход, который просто каталогизирует известные генетические и экологические факторы, связанные с заболеваниями. Эти каталоги в конечном итоге могут привести к созданию более полных схем связей заболеваний. База данных KEGG DRUG содержит активные ингредиенты одобренных лекарственных средств в Японии, США и Европе. Они различаются по химической структуре и/или химическим компонентам и связаны с молекулами-мишенями, метаболизирующими ферментами и другой информацией о молекулярных сетях взаимодействия, представленной в картах путей KEGG и иерархиях BRITE. Это обеспечивает комплексный анализ взаимодействия лекарственных средств с геномной информацией. Необработанные лекарственные средства и другие вещества, связанные со здоровьем, не относящиеся к категории одобренных лекарственных средств, хранятся в базе данных KEGG ENVIRON. Базы данных, относящиеся к медицинской информации, коллективно называются KEGG MEDICUS и включают в себя также инструкции по применению ко всем лекарственным средствам, продаваемым в Японии.

Модель подписки

В июле 2011 года KEGG внедрила платную подписку для скачивания данных по FTP в связи со значительным сокращением государственного финансирования. KEGG остается свободно доступным через свой веб-сайт, однако введение платной подписки вызвало обсуждения об устойчивом развитии биоинформатических баз данных.