# KEGG Pathway Enrichment Analysis MVP
## 概述
本MVP实现了KEGG通路富集分析功能，用于识别基因列表在生物学通路中的富集情况。
## 功能特性
- **KEGG API集成**: 连接KEGG数据库获取通路信息
- **统计分析**: 使用超几何分布检验计算p值
- **FDR校正**: 实现Benjamini-Hochberg假发现率校正
- **数据验证**: 完整的输入验证和错误处理
- **MCP工具集成**: 通过MCP框架提供服务
## 使用方法
### 1. 通过MCP工具使用
```python
from genome_mcp.core.tools import create_mcp_tools
from fastmcp import FastMCP
# 创建MCP实例
mcp = FastMCP('genome-analysis')
# 注册工具
create_mcp_tools(mcp)
```
### 2. 直接使用分析模块
```python
import asyncio
from genome_mcp.analysis.kegg_analysis import KEGGEnrichment
async def analyze_pathways():
# 创建KEGG分析器
analyzer = KEGGEnrichment()
# 执行通路富集分析
async with analyzer:
result = await analyzer.analyze_pathways(
gene_list=['7157', '672', '675'], # TP53, BRCA1, BRCA2的Entrez ID
organism='hsa', # 人类
pvalue_threshold=0.05, # p值阈值
min_gene_count=2 # 通路中最小基因数量
)
return result
# 运行分析
result = asyncio.run(analyze_pathways())
```
### 3. 通过查询执行器使用
```python
import asyncio
from genome_mcp.core.query_executor import QueryExecutor
from genome_mcp.core.query_parser import QueryParser
async def pathway_enrichment():
# 创建查询执行器
executor = QueryExecutor()
# 解析查询
parsed = QueryParser.parse('pathway enrichment', query_type='pathway_enrichment')
parsed.params.update({
'gene_list': ['7157', '672', '675'],
'organism': 'hsa',
'pvalue_threshold': 0.05,
'min_gene_count': 2
})
# 执行查询
result = await executor.execute(parsed)
return result['result']
result = asyncio.run(pathway_enrichment())
```
## 输入格式
### 基因ID格式
- **推荐**: 使用Entrez Gene ID（数字格式），如 `7157` (TP53)
- **支持**: 基因符号（需要转换为Entrez ID）
- **示例**: `['7157', '672', '675']` 对应 `['TP53', 'BRCA1', 'BRCA2']`
### 生物体代码
- `hsa`: 人类 (Homo sapiens)
- `mmu`: 小鼠 (Mus musculus)
- `rno`: 大鼠 (Rattus norvegicus)
## 输出格式
```python
{
"query_genes": ["7157", "672", "675"],
"organism": "hsa",
"total_pathways_found": 51,
"significant_pathways": 15,
"all_pathways": [
{
"pathway_id": "hsa01522",
"pathway_name": "Path: hsa01522",
"genes": ["7157"],
"gene_count": 1,
"pvalue": 0.0001,
"fdr": 0.0051,
"fold_enrichment": 6666.67
}
],
"analysis_info": {
"method": "KEGG Pathway Enrichment",
"statistical_test": "Hypergeometric Test",
"fdr_correction": "Benjamini-Hochberg"
}
}
```
## 统计方法
1. **超几何分布检验**: 计算基因在通路中富集的p值
2. **FDR校正**: 使用Benjamini-Hochberg方法进行多重检验校正
3. **富集倍数**: (观察到的基因数 / 期望的基因数)
## 测试
运行测试套件：
```bash
python -m pytest tests/unit/test_kegg_mvp.py -v
```
测试覆盖：
- 基础通路富集分析
- KEGG客户端功能
- 统计计算正确性
- 输入验证
- 错误处理
## API限制
- KEGG API有频率限制，建议间隔0.34秒以上
- 部分基因可能没有通路注释
- 通路信息基于KEGG数据库的当前版本
## 故障排除
### 常见问题
1. **"未找到任何通路映射"**
- 检查基因ID格式，建议使用Entrez ID
- 确认生物体代码正确
2. **"基因列表无效"**
- 确保基因列表包含至少2个基因
- 检查基因ID格式是否正确
3. **网络连接问题**
- 确认可以访问KEGG API (https://rest.kegg.jp/)
- 检查网络连接状态
## 依赖项
- `aiohttp`: HTTP客户端
- `fastmcp`: MCP框架
- `scipy`: 统计计算（可选，用于高级统计）
## 版本信息
- MVP版本: 1.0.0
- 实现日期: 2025-10-24
- 状态: 生产就绪