导 读

生物信息要处理的情况是生物数据信息的造成，管理方法和发掘。这类旷日长久的系统化促进与支撑点，与一般实际意义上星光灿烂的基本概念和技术应用进度对比，好像更非常容易被大家忽视小看。

生物信息的确在每个角度上用力地促进了生物学科研和采用的发展趋势。其难堪之处取决于，做为常用工具欠缺深层，而性质和技术性提升又十分依靠实验方案设计和网站安全性。就诺贝尔奖来讲，生物信息较大的困扰是本身难以闭环控制，难以做到广泛接纳的相对高度。

发文｜张小公牛

责编｜陈晓雪

2018年，日本京都大学金久实专家教授被英国咨询管理公司科睿维安列入很有可能获诺贝尔奖生理学医学奖的候选人之一，候选人原因是 “对生物信息学的巨大贡献，尤其是开发设计了京东基因和基因组大百科全书”。京东基因和基因组大百科全书英语全名是 “Kyoto Encyclopedia of Genes and Genomes”，通称KEGG。即便专业工作经历生物信息工作中的人也不一定了解金久实专家教授，但稍微触碰过生物信息的人都是会了解KEGG。

基因中间根据相互影响完成生物作用，充分发挥特殊生物作用的基因结合被称作通路，比如新陈代谢通路，信号转导通路这些。KEGG恰好是根据持续梳理百度收录通路数据，并在这个基础上研发了一系列生物信息专用工具，长期性为日常生物学科学研究给予基因作用信息支撑点。这也是一项巨大复杂的系统化工作中，显而易见对当代生物学科学研究奉献出众。

可是这类旷日长久的系统化促进与支撑点，与一般实际意义上星光灿烂的基本概念和技术应用进度对比，好像更非常容易被大家忽视小看。这可能是金久实专家教授迄今沒有得到诺奖的因素之一。这也表明了传统式生物信息学的窘状，做为常用工具来讲欠缺深层，而性质和技术性提升又十分依靠实验方案设计和网站安全性。

金久实专家教授1976年毕业于东京大学数学系，后在霍普金斯医科院从业博士研究生科学研究，1981年变成阿曼祖基奇国家级实验室的科学研究生物学家。在这段时间，他参加了生物数据库查询GenBank的开发设计工作中。这一历经显而易见对他自此开发设计KEGG技术专业数据库查询有较大协助。时迄今日，GenBank早已是全球最重要的一级基因数据库查询之一，绝大部分人们科学研究造成的生物编码序列有关信息都能在这个数据中寻找。

1985年，他返回京都大学出任副教授职称，并于1987年晋升正专家教授。1995年，他开始了人生道路中最重要的新项目，KEGG数据库查询基本建设。KEGG数据库查询百度收录了很多通路信息，通路以基因互作（指非等待基因中间根据相互影响危害同一特性特征的状况）的方式展现。伴随着科学研究技术性的发展趋势，通路信息数据信息不断地累积升级。KEGG数据库查询最常见的运用是通路投射，根据对总体目标基因的聚集剖析，预测分析总体目标基因很有可能的生物学作用。

金久实 | 彩色图库kyoto-u.ac.jp/

他在1999年变成日本生物信息学好第一任现任主席，2013年变成国际性测算生物学好殊荣杰出vip会员。可以说，金久实专家教授为日本生物信息学甚至国际性生物信息学的进步进行了很多牢靠的推进改革。

KEGG的核心理念

KEGG数据库查询于1999年初次见刊，总体目标是把各种群的研究数据信息在通路方面上机构起來，开发设计生物信息专用工具注解和较为通路。KEGG中的数据资料模块是基因，基因具备不一样作用真实身份，根据与别的基因或是小分子水互作完成特殊作用，特殊作用有关的基因和小分子水在数据库系统中被机构为通路。

Kegg数据库查询的Logo 彩色图库：Kegg官网（https://www.genome.jp/kegg/）

最初，KEGG数据库查询仅有多个进行转录组测序的种群，上一百多个来自生物化学实验操作的手绘画通路。通过很多年发展趋势，现阶段KEGG2版本号由四个一部分构成：系统软件信息，基因组信息，有机化学信息和身心健康信息。

系统软件信息是在通路的根基上进一步搭建了结构型的程序模块，进而能够将不一样通路机构在一个统一的框架下开展剖析。基因组信息包含了基因组编码序列信息，基因注解和直系同宗基因投射。有机化学信息主要是各种类化合物，糖蛋白，生物化学变化信息和酶。身心健康信息包含了病因学的基因突变和互联网信息，人们病症信息和药品有关信息。

可以说，KEGG是传统式关系数据库查询的技术性方式在基因作用注解方位上的完美发展趋势，根据对基因的作用注解，在每个角度上用力地促进了生物学科研和采用的发展趋势。

KEGG的时间精准定位

人们基因组手稿2001年公布，这代表着KEGG的设计方案早于规模性基因组数据信息的造成。事实上KEGG初期关键通路信息也是根据试验数据信息人力制作。在信息量相对性少的时代，步骤式的数据存储结构方法可以很好地反映基因作用。殊不知，伴随着测序技术的迅速发展趋势，生物编码序列信息爆发式提高，对基因作用的理解就不仅滞留在通路方面，比如近些年生物学科学研究从基因为基本要素企业，逐渐扩展到单细胞为基本要素企业。

实质上，自然选择学说在每个方面充分发挥，基因，体细胞，人体器官，个人，人群，种群甚至生态体系。基因种类和基因管控的组成产生体细胞，体细胞种类和体细胞遍布的组成产生人体器官，依此类推。

KEGG根据纪录基因中间或是基因和类化合物中间的内在联系来给予静态数据作用信息。殊不知，更加繁杂的生命现象，比如体细胞种类是由不一样通路组成，这超过了KEGG目前数据架构的工作能力。

KEGG是生物信息初期数据库查询形状，是生物信息学发展趋势的关键里程碑式，将来也将是生物信息学关键的基本专用工具，可是KEGG针对繁杂生命现象探寻的支撑点展现很显然的天花板效应。

生物信息的诺贝尔奖会从哪里来？

生物信息行业有一些很古怪的状况。一方面，四处招不上做生物信息的人，而做生物信息科学研究的人又经常被流行觉得没返关键问题。另一方面，谁都能够声称自身是做生物信息的，而生物信息实际还有什么方位又各不相同。

实质上，生物信息是一个工科课程，而不是理学类课程。生物信息要处理的情况是生物数据信息的造成，管理方法和发掘。生物信息并不一定处理生物学难题，由于生物学难题还可以根据试验技术性发展而避开生物信息。那麼，生物信息的核心理应是紧紧围绕特殊生物数据信息进行的一系列科学研究和开发设计工作中。

重要而有竞争力的运行理应对于有长久续存使用价值的总体目标。比如，根据某类特殊测序技术开发设计的数据统计分析方式会由于测序技术的进步而丧失使用价值，可是对于基因作用的数据统计分析，比如KEGG，并不会由于時间的变化而丧失使用价值。

金久实专家教授现阶段并未得到诺奖认同，很可能就是由于通路做为作用的表现稍显朴实，与此同时KEGG自身的构架也限定了其对更繁杂生命现象的分析。当代生物信息学应对的两个基本数据类型分别是生物编码序列和生物图象，方法学上根据大数据时代的深度学习专用工具也愈来愈强劲。那麼，下一波生物信息学的高些基本上也就确立了。定义上体现了长期性续存使用价值，与此同时可以详细处理一些关键难题的数据信息目标，毫无疑问是体细胞种类。

体细胞种类与基因种类较为，与此同时提高了室内空间多元性和時间多元性，那麼数据信息目标显而易见也就拥有了多模态的特性。实际来讲，融合生物学互联网大数据在体细胞方面解决困难，比如在了解生物脑结构的根基上促进人工智能技术发展趋势，还有机会作出诺贝尔奖等级的工作中。

论文参考文献：

https://web.ornl.gov/sci/first/ClarivateAnalyticsCitationLaureates.pdf

https://en.wikipedia.org/wiki/Minoru_Kanehisa

https://www.kanehisa.jp/en/kanehisa.html

https://www.kegg.jp/

Ogata, H., Goto, S., Fujibuchi, W., and Kanehisa, M.; Computation with the KEGG pathway database. BioSystems 47, 119-128 (1998).