很简单一件事，参见我的博客：
下载得到文本文件，可以看到里面的结构层次非常清楚

C开头的就是kegg的pathway的ID所在行，D开头的就是属于它的kegg的所有的基因
A,B是kegg的分类，总共是6个大类，42个小类

需要写脚本变成：


代码如下：

perl -alne '{if(/^C/){/PATH:hsa(\d+)/;$kegg=$1}else{print "$kegg\t$F[1]" if /^D/ and $kegg;}}' hsa00001.keg >kegg2gene.txt

上面得到的基因是ID，pathway也是ID，其实 你可以得到它们的ID与name的对应表格，请发挥自己的代码能力吧！

收集整理了最新的KEGG信息，就是什么基因对应什么通路，什么通路对应那些基因！
就可以去做富集分析了~
 
就可以回答下面两个问题了：
人类有多少基因是有KEGG数据库注释信息的呢？
人类有多少基因是有GO数据库注释信息的呢？

微信里面无法发链接，点击阅读原文可以查看具体信息！

也可以查看历史题目：

生物信息学技能面试题(第1题)-人类基因组的外显子区域到底有多长

生物信息学技能面试题(第2题)-探索人类基因组序列

生物信息学技能面试题(第3题)-探索人类基因组注释文件

生物信息学技能面试题(第4题)-多个同样的行列式文件合并起来

生物信息学技能面试题(第5题)-根据GTF画基因的多个转录本结构

这些题目都是有配套的python和perl视频讲解的，部分还有R和shell的视频讲解，不过，我觉得这些题目本身才是最重要的！