导读：只需准备基因或化合物的定量数据，即可将表达变化、代谢差异直接映射到 KEGG Pathway Map。无需安装 R 包，也能快速获得一张关系清晰、颜色直观的通路图，帮助你从复杂数据中锁定关键基因、酶与代谢物。

📖 先认识 KEGG 通路图

KEGG PATHWAY 数据库由一系列人工整理的图形图谱组成，涵盖代谢、信号转导、细胞过程、生物系统以及人类疾病等主题。通路图把基因、蛋白、酶、化合物及其相互作用放在同一张网络中，是解释组学结果的重要工具。

通路图编号通常由“物种缩写 + 5 位数字”构成。例如 hsa04064 代表人类 NF-κB signaling pathway。mmu04064表示小鼠NF-kappa B signaling pathway。

▲ 图1：KEGG NF-κB 信号通路图示例

读图时可重点关注矩形节点、圆形化合物节点、箭头与连接线：它们分别对应基因/蛋白、代谢物以及不同类型的调控或反应关系。

▲ 图2：KEGG 通路图中常见元素与符号说明

🛠️ 在线作图地址

https://www.bioinformatics.com.cn/plot_basic_kegg_pathway_map_by_pathview_092

▲ 图3：pathview 在线 KEGG 通路图渲染页面

📋 五步完成通路上色

Step 1：准备示例数据

进入页面后，点击输入区附近的“示例数据”并用 Excel 打开。以人类通路为例，数据包含 3 列：

第 1 列：该pathway中包含的基因/化合物ID。其中基因ID使用的是NCBI的entrez gene id，纯数字，例如3553为基因IL1B; interleukin 1 beta；化合物ID使用的是KEGG的compound ID，以C开头，例如C01245为“D-myo-肌醇 1,4,5-三磷酸盐”，药物ID使用的是KEGG的Drug ID，以D开头，例如D08877为“Briobacept (USAN)”。

第 2 列：每个基因或化合物对应的数值，可填写 log2FC，也可使用其他具有生物学意义的定量指标。

第 3 列：数据类型。基因填写 gene，化合物或药物填写 compound。

▲ 图4：示例数据的三列结构

💡 首行首列填写 KEGG Pathway ID，例如 hsa04064，不能使用map04064等不包括物种信息的id。请确认编号包含物种缩写，否则无法正确匹配基因。

Step 2：核对基因与化合物 ID

可在 KEGG 官网查询通路页面与成员列表。不同物种的基因标识并不完全相同，例如人的（https://www.genome.jp/dbget-bin/www_bget?pathway+hsa04064）

▲ 图5：Human KEGG 页面中的 Entrez Gene ID 与基因符号

大肠杆菌 K-12 MG1655 （https://www.genome.jp/dbget-bin/www_bget?pathway+eco00250）使用 b0032、b0033 等基因名称，因此务必以目标物种对应的 KEGG 页面为准。

▲ 图6：大肠杆菌KEGG 通路详情页中的基因与化合物信息

Step 3：粘贴数据并执行输入检查

真实数据可先在 Excel 中整理好，再按 Ctrl+A 全选、Ctrl+C 复制，回到网页输入框按 Ctrl+V 粘贴。也可以点击“示例”按钮直接载入示例数据。

▲ 图7：将整理好的数据粘贴到输入框

粘贴后先点击“输入检查”。系统会逐行逐列检查数据格式；若未通过，请根据提示修改，并重复“修改—输入检查”，直到显示检查通过。

▲ 图8：输入检查的错误提示与通过状态

💡 不要跳过输入检查。它能提前发现重复 ID、列数不一致或类型填写错误，显著减少提交后出图失败。

Step 4：设置基因与化合物配色

基因和化合物各自提供“低值—中值—高值”三段颜色，可分别设置。建议使用对比清晰、含义一致的配色，并在同一项目的多张图中保持统一。

若最小值与最大值留空，系统会根据数据范围自动生成以 0 为中心的色标。例如数据范围为 [-2.5, 3.5] 时，色标可扩展为 [-4, 4]。手动填写最小值与最大值，则可让多张通路图共享同一色标，便于横向比较。

图例位置可选择左上、左下、右上或右下。应尽量放在通路节点较少的位置，避免遮挡关键信息。

▲ 图9：基因与化合物的颜色、数值范围及图例位置设置

Step 5：提交、预览并下载

输入检查通过并完成参数设置后，点击“提交”。后台需要从 KEGG 获取通路数据，通常等待约 15 秒即可看到预览图。平台提供 300 dpi PNG 图片下载，可直接用于汇报、文章初稿或后续排版。

▲ 图10：在线渲染完成后的通路图预览与下载入口

🔍 如何解读上色结果

在示例图中，红色表示基因表达上调，绿色表示基因表达下调；黄色表示化合物或药物信号上调，蓝色表示下调。实际分析时，颜色含义以你在参数区设置的低值、中值和高值颜色为准。

如果研究只包含转录组数据，可以只绘制基因表达；如果只关注代谢组，也可以只绘制化合物数据。两类数据同时输入时，则能在同一通路背景下观察表达变化与代谢变化是否方向一致。

▲ 图11：仅表达数据与仅代谢数据的渲染效果对比

🚀 进阶：需要更多控制时使用 pathview R 包

在线版适合快速出图；如果需要批量绘制、多组比较或更细致的参数控制，可以进一步使用 pathview 官方在线版或 R 包代码版。R 包可在脚本中固定 pathway.id、物种、图像格式及颜色范围，更适合可重复分析流程。

https://pathview.uncc.edu/

▲ 图12：pathview R 包的基础绘图代码示例

✍️ 小结

pathview 在线工具把“查通路、对 ID、设颜色、出结果”压缩成一套清晰流程。准备好三列数据并完成输入检查后，即可把感兴趣的基因、化合物或药物直观映射到 KEGG 通路图上。对于转录组、代谢组及多组学联合展示，它尤其适合作为快速探索和结果沟通的第一张图。

📌 建议：多张通路图用于同一报告或论文时，尽量固定颜色方案与 colorbar 范围，这样不同通路之间的变化强度才具有可比性。

微生信助力高分文章，谷歌学术10000+

支持单位：