### 如何使用 Python 绘制差异代谢物的 KEGG 通路图 为了实现这一目标，通常会采用 `matplotlib` 或者更高级的数据可视化库如 `seaborn` 来处理图形部分。然而针对特定领域的需求——即KEGG路径富集分析，则有专门设计用于生物信息学研究中的软件包可供选择。 #### 推荐使用的库 - **Matplotlib**: 基础绘图工具，适合定制化程度较高的场景。 - **Seaborn**: 构建于 Matplotlib 之上，提供了更加美观默认样式以及高层级接口。 - **PyKEGG**: 提供访问 KEGG 数据库的功能，并能帮助解析和操作这些数据。 - **KEGGmapper**: 能够映射给定列表到对应的 KEGG Pathways 上面去。 下面是利用 PyKEGG 库来获取并绘制差异代谢产物在指定物种内的 KEGG 途径实例： ```python from pykegg import get_pathway, parse_kgml import matplotlib.pyplot as plt import seaborn as sns sns.set_theme(style="whitegrid") def plot_kegg_enrichment(metabolites_list, organism_code='hsa', pathway_id=None): """ 根据输入的代谢物列表及其所属有机体代码， 自动生成相应的 KEGG 通路富集热力图 参数: metabolites_list : list of str 差异显著的代谢物质 ID 列表. organism_code : str 物种编码，默认为人(hsa). pathway_id : str or None 如果已知具体要查询哪条通路则提供其ID；否则将尝试自动匹配最相关的通路. 返回值: fig : Figure object 包含所选通路上所有节点颜色变化情况的地图图像对象. """ # 获取关联最强的一条通路（如果未指明） if not pathway_id: pathways = search_pathways_by_genes(organism=organism_code, genes=metabolites_list) top_match = max(pathways.items(), key=lambda item:len(set(item[1])&set(metabolites_list)))[0] pathway_id=top_match kgml_content = get_pathway(f"{organism_code}{pathway_id}", option='kgml') parsed_data = parse_kgml(kgml_content) entries = {entry['name']: entry for entry in parsed_data.entries} colors = [] labels = [] for gene_name in sorted(entries.keys()): color = 'lightgray' if gene_name not in metabolites_list else 'salmon' label = f'{gene_name} ({entries[gene_name]["type"]})' colors.append(color) labels.append(label) fig, ax = plt.subplots(figsize=(8, 6)) bars = ax.barh(labels[::-1], range(len(colors)), align='center', height=.7, color=colors[::-1]) ax.invert_yaxis() ax.xaxis.set_visible(False) ax.yaxis.tick_right() return fig # 示例调用 fig = plot_kegg_enrichment(['C00022', 'C00031'], pathway_id='map00010') plt.show(fig) ``` 此段程序首先定义了一个名为 `plot_kegg_enrichment()` 的函数，它接收一组差异明显的代谢物作为参数，并返回一张显示它们所在位置的颜色编码版 KEGG 通路图谱。这里通过设置不同的柱状条形颜色区分哪些是用户提供的差异代谢物，而其他保持灰色表示背景信息[^1]。