内容摘要：打开通路分析网站，你最先看到的不是密密麻麻的基因列表，而是一张交互式通路图。KEGG、Reactome、WikiPathways 的数据被整合到同一个视图里，节点代表基因或蛋白，连线表示相互作用。点击

打开通路分析网站，通路你最先看到的分析不是密密麻麻的基因列表，而是网站一张交互式通路图。KEGG、通路Reactome、分析WikiPathways 的网站数据被整合到同一个视图里，节点代表基因或蛋白，通路连线表示相互作用。分析点击任意节点，网站右侧弹出该基因在肿瘤样本中的通路表达箱线图，下面跟着生存曲线。分析这种设计让做湿实验的网站人也能快速判断某个通路是否值得追。

我常用的通路几个平台各有侧重。DAVID 偏重富集分析，分析上传一列差异基因，网站它能返回 GO 术语和 KEGG 通路，但界面停留在十年前的水平。Metascape 做了改进，结果按 p 值着色，还附带蛋白质互作网络。真正让我意外的是 Reactome 的 Pathway Browser，它把通路画成类似地铁线路的图，信号从细胞膜传到核内，每一步都有文献支撑。有次我查 TGF-β 通路，发现 SMAD4 的磷酸化位点标注了具体残基，点进去直接跳到 PubMed 原文。

网站的数据更新频率是个隐性坑。KEGG 每月修订，但很多第三方网站半年才同步一次。去年做铁死亡分析，某平台还在用 2018 年的通路定义，漏掉了 SLC7A11 的调控关系。后来我养成习惯，重要结论一定回 KEGG 官网核对版本号。另一个问题是物种覆盖。人类和小鼠的通路相对完整，斑马鱼或果蝇就稀疏得多。有次帮同事查斑马鱼 Wnt 通路，Reactome 里只有 12 个基因，而 ZFIN 数据库有 47 个。跨物种比较时得多个网站交叉验证。

通路分析网站的真正价值不在画图，而在假设生成。比如 GSEA 网站给出一个富集通路，点开 leading edge 基因集，往往能发现几个从未关注过的调控因子。我曾在缺氧通路里注意到 P4HA1，之前完全没听过这个基因。查文献发现它编码脯氨酰羟化酶，影响胶原成熟，和肿瘤基质重塑相关。后续实验证实它在三阴性乳腺癌中高表达。这种从通路图里“捡”到新靶点的经历，比跑完整个流程拿到 p 值更有意思。

不过别迷信网站给的 p 值。不同平台对多重检验校正的方法不一样，BH 和 Bonferroni 能差出两个数量级。有次同一组数据，DAVID 返回 37 个显著通路，Metascape 只有 9 个。后来发现是背景基因集选择不同——前者用全基因组，后者用表达谱检测到的基因。做通路分析前，先想清楚背景集怎么定，否则富集结果就是数字游戏。

移动端体验普遍糟糕。大部分网站没做响应式设计，手机上点节点经常误触。有次在组会上用 iPad 打开 Reactome，想放大 PI3K-Akt 通路，结果页面直接卡死。后来改用电脑投屏才讲完。希望开发者能重视触屏交互，毕竟现在查文献都用手机了。

最后说个实用技巧。通路分析网站通常支持批量上传基因列表，但格式要求各异。DAVID 要 Entrez ID，Metascape 接受基因符号，Reactome 最好用 UniProt。我习惯先用 Ensembl BioMart 统一转换，再分别提交。这样虽然多花十分钟，但能避免因 ID 不匹配导致的假阴性。另外，结果页面记得导出 SVG 格式，PNG 放大会糊，投稿时编辑会找你要矢量图。