kegg 上ko号对应的通路数据

kegg 上ko通路数据的获取

最近一直在弄kegg的一些东西,就把心得写下来吧。
接着自己上面的文章:

ko对应K号的表的下载

在这里插入图片描述
在这里插入图片描述
得到的json文件内容部分如下:

{
	"name":"ko00001",
	"children":[
	{
		"name":"09100 Metabolism",
		"children":[
		{
			"name":"09101 Carbohydrate metabolism",
			"children":[
			{
				"name":"00010 Glycolysis \/ Gluconeogenesis [PATH:ko00010]",
				"children":[
				{
					"name":"K00844  HK; hexokinase [EC:2.7.1.1]"
				},
				{
					"name":"K12407  GCK; glucokinase [EC:2.7.1.2]"
				},
				{
					"name":"K00845  glk; glucokinase [EC:2.7.1.2]"
				},
				。。。。。。。
				
下面附上json字符串的处理python脚本。
import json


def get_K_ko_dict(K_ko_file):
    K_ko_dict = {}
    # K_list = []
    with open(K_ko_file, "r")as f:
        K_ko_file_content = json.load(f)
    for children_info in K_ko_file_content.get("children"):
        for next_children_info in children_info.get("children"):
            for third_children_info in next_children_info.get("children"):
                name_info = third_children_info.get("name")
                find_pat = r":ko(.*?)]"
                ko_num = re.findall(find_pat, name_info)
                if ko_num:
                    K_ko_dict["ko"+ko_num[0]] = []
                    if third_children_info.get("children"):
                        for fourth_children_info in third_children_info.get("children"):
                            K_name = fourth_children_info.get("name").split(" ")[0]
                            K_ko_dict["ko" + ko_num[0]].append(K_name)
                            # K_list.append(K_name)
                else:
                    un_unmber = "un" + name_info.split(" ")[0]
                    # 因为有些通路没有只给了一个号,没有ko通路,所以暂时这么处理。
                    K_ko_dict[un_unmber] = []
                    if third_children_info.get("children"):
                        for fourth_children_info in third_children_info.get("children"):
                            K_name = fourth_children_info.get("name").split(" ")[0]
                            K_ko_dict[un_unmber].append(K_name)
                            # K_list.append(K_name)
    return K_ko_dict



if __name__ == '__main__':
	# K_ko_file的文件路径
	# 例如: E:\meta\K_ko\ko00001.json
	get_K_ko_dict(K_ko_file)

# 得到的部分结果如下:
{'ko00010': ['K00844', 'K12407'.......'K20118', 'K02753'], 
'ko00020': ['K01647', 'K01648', 'K15230', 'K15231', 'K05942', 'K01681', 'K01682', 'K00031', 'K00030'.......
.......}

得到的结果是对应的pathway包含的K号的字典。
可以用于剩下的分析。

  • 2
    点赞
  • 17
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
好的,让我来解答你的问题。 首先,KEGG Automatic Annotation Server (KAAS)是一种用于功能注释和代谢途径预测的工具,可以将基因组或蛋白质序列比对到KEGG数据库中,从而确定其功能和代谢途径。因此,我们可以使用KAAS来对“KOs.txt”中的KO进行比对,找出匹配的KO对应KEGG代谢途径。 以下是使用KAAS进行比对的步骤: 1. 打开KAAS网站(http://www.genome.jp/kaas-bin/kaas_main),选择“KAAS Automatic Annotation Server”选项卡。 2. 在“Input”栏中,选择“Single-directional Best Hit (SBH)”方法,然后将“KOs.txt”中的KO复制粘贴到“Query Sequence”文本框中。注意,每个KO必须单独一行。 3. 在“Optional Parameters”栏中,选择“Organism”和“Database”选项。这些选项将指定KAAS使用哪个数据库进行比对。例如,如果您正在比对大肠杆菌(Escherichia coli)的KO,则应选择“Organism”为“Escherichia coli”、“Database”为“KEGG GENES”(默认值)。 4. 单击“Execute”按钮,等待KAAS完成比对。这可能需要几分钟时间,具体取决于您要比对的KO数量和所选的数据库。 5. 比对完成后,KAAS将生成一个包含比对结果的网页。在该页面中,您将看到每个KO的匹配结果,包括匹配的KEGG代谢途径和相应的KO注释。您还可以将结果导出为文本文件,以便进一步分析和处理。 希望这个回答能够帮助您解决问题。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值