如何获得KEGG中某一条通路的全部基因？

原创

sheldor没耳朵

发布于 2025-02-10 06:35:00

5890

如何获得KEGG中某一条通路的全部基因？

比如说我们想看PI3K-Akt signaling pathway这条通路中包含哪些基因？首先需要访问KEGG的官网，获取其hsa编号，如PI3K-Akt signaling pathway对应hsa04151.

访问如下网址（更改对应物种、编号即可），这将返回该通路涉及的所有 人类基因（hsaXXXXX）。KEGG hsa:XXXXX 这个编号通常是 NCBI Entrez Gene ID，即 NCBI 基因数据库 中的唯一基因编号。将网页内容复制到本地。再将Entrez Gene ID转化成基因名即可。

https://rest.kegg.jp/link/hsa/path:hsa04151

将代码包装成一个函数，方便调用

library(data.table)
library(AnnotationDbi)
library(org.Hs.eg.db)

convert_entrez_to_symbol <- function(file_path) {
  # 读取文件
  hsa04151_df <- fread(file_path, data.table = FALSE, header = FALSE)
  
  # 提取 ENTREZID
  hsa04151_df$ENTREZID <- sub("hsa:", "", hsa04151_df$V2)
  
  # 获取 ENTREZID 到 Gene Symbol 的映射
  e2s <- AnnotationDbi::select(org.Hs.eg.db,
                               keys = hsa04151_df$ENTREZID,
                               columns = "SYMBOL",
                               keytype = "ENTREZID")
  
  # 处理缺失值并去重
  ids <- na.omit(e2s)
  ids <- ids[!duplicated(ids$SYMBOL), ]
  ids <- ids[!duplicated(ids$ENTREZID), ]
  
  # 合并数据框
  hsa04151_df1 <- merge(hsa04151_df, ids, by = "ENTREZID", all.x = TRUE)
  
  return(hsa04151_df1)
}

# 使用示例
result_df <- convert_entrez_to_symbol("hsa04151.txt")
head(result_df)

即SYMBOL列中内容，为PI3K-Akt signaling pathway这条通路中所包含的全部基因。

如果存在多个通路，可以执行以下代码

dir("hsa/")
 [1] "hsa04010.txt" "hsa04060.txt" "hsa04062.txt" "hsa04151.txt" "hsa04310.txt"
 [6] "hsa04330.txt" "hsa04340.txt" "hsa04350.txt" "hsa04380.txt" "hsa04390.txt"
[11] "hsa04510.txt"
library(dplyr)
dir("hsa/")
library(dplyr)
# 获取目录中的所有文件
file_list <- list.files("hsa/", full.names = TRUE)
# 使用 lapply() 依次读取文件并执行函数
result_list <- lapply(file_list, convert_entrez_to_symbol)
# 合并所有返回的结果
final_result <- bind_rows(result_list)
# 查看合并后的结果
head(final_result)