通路拓扑影响：完整技术报告

主要发现：在 KEGG 反应网络上计算影响值：45 个比较中至少有 1 条通路 FDR<0.05 的，酶（基因）网络 13 个、联合网络 9 个、代谢物网络 2 个；类黄酮生物合成在酶网络上的影响值最高达 0.88。

本页保留全部详细说明；日常浏览请用简洁页面。

1 分析目的

富集分析只看一条通路里差异分子的数量，不区分它们处在通路的什么位置。处在多条代谢路线交汇处的分子（如分支点化合物、关键酶）变化时，对整条通路的影响通常更大。通路拓扑影响分析把“差异分子在通路网络中的位置重要性”量化为影响值（Pathway Impact），与富集显著性一起判断哪些通路既显著又关键。本流程在同一套 KEGG 反应网络上分别计算代谢物、基因（酶）和两者联合的影响值，并对照三者的一致程度。

2 分析原理

1. 通路网络（来自 KEGG KGML，真实拓扑）：每条通路的 KGML 文件给出反应（R 编号）、催化反应的酶（KO 编号）以及反应的底物和产物（化合物 C 编号）。ATP、NADH、H₂O、CO₂ 等通用辅因子和小分子不作为节点。在此基础上构建三种有向网络：

代谢物网络（met）：节点为化合物；同一反应的底物指向产物，可逆反应再加反向边。这与 MetPA / MetaboAnalyst 的代谢物通路拓扑一致。
酶网络（gene）：节点为 KO；若 KO₁ 催化反应的产物是 KO₂ 催化反应的底物，则连 KO₁→KO₂（可逆反应的两端都算作底物和产物）。
联合网络（joint）：节点为 KO 和化合物；底物 → 酶 → 产物（可逆反应加反向边），即显式的“基因（酶）–反应–代谢物”网络。

2. 中心性：相对介数中心性（relative betweenness centrality）。节点 v 的介数 B(v) = Σ_s≠v≠t σ_st(v)/σ_st，σ_st 为 s 到 t 的最短路径条数，σ_st(v) 为其中经过 v 的条数；有向图的相对值为 B(v)/[(n−1)(n−2)]，n 为通路节点数。用 Brandes 算法计算，并在验收中用 igraph 独立复算。

3. 影响值：节点重要性 w_v = 中心性 / 通路内全部节点中心性之和（全部节点之和为 1）。

Impact_p = Σ_{v ∈ 命中节点} w_v

取值 0–1。基因层的命中节点为至少有 1 个差异基因注释到该 KO 的节点；代谢物层为至少有 1 个差异代谢物注释到该化合物的节点；联合层两者都算。通路内没有任何中介节点（全部中心性为 0）时影响值不可计算，记为 NA。联合层的影响值是在联合网络上直接计算的，不是把两个组学的影响值相加、平均或加权。

4. 富集 P 值：节点水平的超几何检验（与 MetPA 的 ORA 一致）。N 为全部可分析通路中已检测的节点数，K 为该通路已检测节点数，n 为背景中的命中节点数，k 为该通路的命中节点数，P 为上尾概率。联合层把 KO 节点和化合物节点放在同一背景中检验（MetaboAnalyst 联合通路分析的 “combine queries” 方式）。FDR 在每个比较、每一层内对全部可检验通路做 BH 校正。

5. 覆盖率：已检测节点数 / 通路节点总数，说明该通路在本数据中能被观测到的比例；覆盖率低的通路，影响值和 P 值都不可靠。

3 输入数据及预处理

通路数据库：KEGG 参考通路（ko / map）KGML，快照版本见“方法与软件”页；纳入范围与 KEGG 联合富集相同（去掉总览图和人类疾病、器官系统、药物开发类，只保留 7 种代表植物至少一种具有的通路，排除 ko00965）。物种尚未确认，因此使用参考通路而不是某个物种的专属通路，部分节点在本物种中可能不存在。

分子映射：基因经服务商注释的 KO 映射到酶节点；代谢物经服务商注释的 KEGG 化合物编号映射到化合物节点。

已检测与命中：每个比较中，有检验结果的基因所在 KO、至少一组检出的代谢物所在化合物视为已检测；其中有差异分子的节点为命中。差异标准与“差异总览”页相同。

分析单位：影响值依赖差异分子列表，因此按比较计算；没有“全部 30 个样本”版本。跨比较的热图只是把各比较的结果并列展示，不合并统计量。

4 软件、算法及参数

软件 / 函数	版本	用途与关键参数
Python	3.11.18	KGML 反应表解析、三种网络构建、Brandes 介数中心性（有向、无权，除以 (n−1)(n−2)）
scipy.stats.hypergeom	—	节点水平超几何检验（上尾）
igraph	2.3.4	验收时独立复算介数中心性和影响值
ggplot2 / pheatmap	4.0.3 / 1.0.13	影响值气泡图、共同通路对照图、跨比较热图（色标 0–0.5）
参数	—	中心性 relative_betweenness；通路节点少于 3 个不计算

5 统计指标解释

下表列出本页出现的全部统计指标和缩写（由页面内容自动生成）。全部术语见术语表。

术语	中文名	英文名	定义与读法
P	P 值	P value	在原假设（无差异、无相关或无富集）成立时，得到当前或更极端结果的概率，未经多重检验校正。
FDR	错误发现率	false discovery rate	多重检验校正指标，表示在所有判为显著的结果中，预期假阳性所占比例。本报告全部用 Benjamini–Hochberg 方法计算，检验范围在各分析中分别说明（如“该比较的全部配对”“全部可评估通路”）。
BH	Benjamini–Hochberg 校正	Benjamini–Hochberg procedure	把 m 个 P 值从小到大排序，第 i 个的校正值为 min(1, min_{k≥i} P_(k)·m/k)。控制 FDR，比 Bonferroni 校正宽松。
NA	缺失值	not available	没有数值。未检出、未检验或不可计算时记为 NA，不当作 0。
KEGG	京都基因与基因组百科全书	Kyoto Encyclopedia of Genes and Genomes	代谢通路和分子功能数据库。本流程用 KEGG 通路、KO、化合物（C 编号）和反应（R 编号）注释。
KO	KEGG 直系同源编号	KEGG Orthology	K 开头的编号，把不同物种的同功能基因归为一类，用于把基因映射到通路。
ORA	过表达分析	over-representation analysis	检验差异分子在某通路中是否多于随机期望，本流程用超几何检验。
Pathway Impact	通路拓扑影响值	pathway impact	差异分子在通路网络中的位置重要性之和。本流程按 MetPA 方法：在 KEGG 反应网络上计算每个节点的相对介数中心性，归一化为节点重要性（通路内之和为 1），影响值 = 命中节点重要性之和，0–1；越大说明差异分子越集中在通路的关键位置。代谢物、酶（基因）、联合网络三层分别计算，不相加。
WGCNA	加权基因共表达网络分析	weighted gene co-expression network analysis	把相关矩阵经软阈值幂次变换成加权网络，用拓扑重叠聚类得到共表达模块。
KGML	KEGG 标记语言文件	KEGG Markup Language	KEGG 通路图的 XML 描述文件，记录每个节点的 KO 或化合物编号、坐标以及反应的底物和产物。
MetPA	代谢通路分析	Metabolomics Pathway Analysis	结合超几何富集和通路拓扑（相对介数中心性）的代谢通路分析方法，MetaboAnalyst 的通路分析模块即基于此方法。
betweenness	介数中心性	betweenness centrality	网络中经过某节点的最短路径所占的比例之和，衡量节点作为“桥梁”的作用；相对介数中心性在有向图中再除以 (n−1)(n−2)。
coverage	通路覆盖率	pathway coverage	通路网络中在本数据已检测到的节点数 / 节点总数。

6 图表与结果展示

全局结果

影响值汇总共 135 行下载全表

表注：comparison 比较；layer 网络层；pathways 可检验通路数；with_hits 有命中节点的通路数；fdr_lt_005 FDR<0.05 的通路数；impact_gt_0 影响值大于 0 的通路数；max_impact 最大影响值。

comparison	layer	pathways	with_hits	fdr_lt_005	impact_gt_0	max_impact	category
R1_vs_R2	gene	95	5	0	4	0.06359	B_R组内跨水平
R1_vs_R2	joint	96	5	0	5	0.02476	B_R组内跨水平
R1_vs_R2	met	95	0	0	0	0	B_R组内跨水平
R1_vs_R3	gene	95	0	0	0	0	B_R组内跨水平
R1_vs_R3	joint	96	3	0	3	0.03202	B_R组内跨水平
R1_vs_R3	met	95	3	0	3	0.05893	B_R组内跨水平
R1_vs_R4	gene	95	80	1	65	1	B_R组内跨水平
R1_vs_R4	joint	96	81	0	79	0.3667	B_R组内跨水平
R1_vs_R4	met	95	7	0	3	0.08123	B_R组内跨水平
R1_vs_R5	gene	95	88	0	75	1	B_R组内跨水平
R1_vs_R5	joint	96	89	1	88	0.4063	B_R组内跨水平
R1_vs_R5	met	95	20	0	8	0.08123	B_R组内跨水平
R1_vs_Y1	gene	95	80	3	68	0.8812	A_同水平处理间
R1_vs_Y1	joint	96	81	0	80	0.4138	A_同水平处理间
R1_vs_Y1	met	95	11	0	6	0.1212	A_同水平处理间
R1_vs_Y2	gene	95	82	0	68	0.8889	D_跨水平跨处理
R1_vs_Y2	joint	96	82	0	81	0.4091	D_跨水平跨处理
R1_vs_Y2	met	95	9	0	6	0.2399	D_跨水平跨处理
R1_vs_Y3	gene	95	81	0	69	1	D_跨水平跨处理
R1_vs_Y3	joint	96	82	0	80	0.4545	D_跨水平跨处理
R1_vs_Y3	met	95	10	0	4	0.05958	D_跨水平跨处理
R1_vs_Y4	gene	95	82	0	72	1	D_跨水平跨处理
R1_vs_Y4	joint	96	83	0	82	0.4545	D_跨水平跨处理
R1_vs_Y4	met	95	31	0	13	0.3253	D_跨水平跨处理
R1_vs_Y5	gene	95	86	1	74	1	D_跨水平跨处理
R1_vs_Y5	joint	96	86	1	85	0.4545	D_跨水平跨处理
R1_vs_Y5	met	95	18	0	11	0.2399	D_跨水平跨处理
R2_vs_R3	gene	95	0	0	0	0	B_R组内跨水平
R2_vs_R3	joint	96	2	0	2	0.02426	B_R组内跨水平
R2_vs_R3	met	95	2	0	2	0.0543	B_R组内跨水平
R2_vs_R4	gene	95	74	0	62	1	B_R组内跨水平
R2_vs_R4	joint	96	76	0	74	0.2985	B_R组内跨水平
R2_vs_R4	met	95	7	0	6	0.09123	B_R组内跨水平
R2_vs_R5	gene	95	86	0	72	1	B_R组内跨水平
R2_vs_R5	joint	96	86	0	85	0.4063	B_R组内跨水平
R2_vs_R5	met	95	11	0	7	0.09123	B_R组内跨水平
R2_vs_Y1	gene	95	76	2	61	0.7999	D_跨水平跨处理
R2_vs_Y1	joint	96	78	0	76	0.3773	D_跨水平跨处理
R2_vs_Y1	met	95	9	0	5	0.06323	D_跨水平跨处理
R2_vs_Y2	gene	95	75	0	63	0.8889	A_同水平处理间
R2_vs_Y2	joint	96	76	0	75	0.4088	A_同水平处理间
R2_vs_Y2	met	95	11	1	8	0.09786	A_同水平处理间
R2_vs_Y3	gene	95	79	0	65	0.8889	D_跨水平跨处理
R2_vs_Y3	joint	96	81	0	79	0.3871	D_跨水平跨处理
R2_vs_Y3	met	95	23	1	12	0.1173	D_跨水平跨处理
R2_vs_Y4	gene	95	82	0	68	1	D_跨水平跨处理
R2_vs_Y4	joint	96	84	0	82	0.4091	D_跨水平跨处理
R2_vs_Y4	met	95	15	0	10	0.1111	D_跨水平跨处理
R2_vs_Y5	gene	95	86	0	74	1	D_跨水平跨处理
R2_vs_Y5	joint	96	86	1	85	0.4371	D_跨水平跨处理
R2_vs_Y5	met	95	18	0	12	0.1611	D_跨水平跨处理
R3_vs_R4	gene	95	82	2	73	1	B_R组内跨水平
R3_vs_R4	joint	96	83	2	82	0.3993	B_R组内跨水平
R3_vs_R4	met	95	18	0	14	0.1151	B_R组内跨水平
R3_vs_R5	gene	95	87	1	74	1	B_R组内跨水平
R3_vs_R5	joint	96	87	0	86	0.422	B_R组内跨水平
R3_vs_R5	met	95	22	0	12	0.08797	B_R组内跨水平
R3_vs_Y1	gene	95	81	1	66	0.8889	D_跨水平跨处理
R3_vs_Y1	joint	96	83	0	81	0.3773	D_跨水平跨处理
R3_vs_Y1	met	95	10	0	5	0.06323	D_跨水平跨处理
R3_vs_Y2	gene	95	79	0	65	1	D_跨水平跨处理
R3_vs_Y2	joint	96	80	0	78	0.3425	D_跨水平跨处理
R3_vs_Y2	met	95	11	0	6	0.3021	D_跨水平跨处理
R3_vs_Y3	gene	95	79	0	68	1	A_同水平处理间
R3_vs_Y3	joint	96	81	0	79	0.3658	A_同水平处理间
R3_vs_Y3	met	95	13	0	6	0.144	A_同水平处理间
R3_vs_Y4	gene	95	82	0	69	1	D_跨水平跨处理
R3_vs_Y4	joint	96	85	0	82	0.4091	D_跨水平跨处理
R3_vs_Y4	met	95	36	0	19	0.3253	D_跨水平跨处理
R3_vs_Y5	gene	95	86	2	74	1	D_跨水平跨处理
R3_vs_Y5	joint	96	86	1	85	0.4071	D_跨水平跨处理
R3_vs_Y5	met	95	22	0	15	0.08219	D_跨水平跨处理
R4_vs_R5	gene	95	63	2	44	0.875	B_R组内跨水平
R4_vs_R5	joint	96	65	2	64	0.4348	B_R组内跨水平
R4_vs_R5	met	95	10	0	8	0.1887	B_R组内跨水平
R4_vs_Y1	gene	95	83	0	69	1	D_跨水平跨处理
R4_vs_Y1	joint	96	86	0	84	0.5682	D_跨水平跨处理
R4_vs_Y1	met	95	31	0	21	0.25	D_跨水平跨处理
R4_vs_Y2	gene	95	84	0	69	1	D_跨水平跨处理
R4_vs_Y2	joint	96	86	0	83	0.5227	D_跨水平跨处理
R4_vs_Y2	met	95	27	0	20	0.1288	D_跨水平跨处理
R4_vs_Y3	gene	95	82	0	69	1	D_跨水平跨处理
R4_vs_Y3	joint	96	86	0	83	0.3636	D_跨水平跨处理
R4_vs_Y3	met	95	37	0	23	0.144	D_跨水平跨处理
R4_vs_Y4	gene	95	87	1	71	1	A_同水平处理间
R4_vs_Y4	joint	96	88	1	87	0.4091	A_同水平处理间
R4_vs_Y4	met	95	21	0	11	0.141	A_同水平处理间
R4_vs_Y5	gene	95	81	0	74	1	D_跨水平跨处理
R4_vs_Y5	joint	96	83	0	83	0.5227	D_跨水平跨处理
R4_vs_Y5	met	95	22	0	13	0.1288	D_跨水平跨处理
R5_vs_Y1	gene	95	85	0	72	1	D_跨水平跨处理
R5_vs_Y1	joint	96	87	0	85	0.5682	D_跨水平跨处理
R5_vs_Y1	met	95	33	0	15	0.25	D_跨水平跨处理
R5_vs_Y2	gene	95	88	0	73	1	D_跨水平跨处理
R5_vs_Y2	joint	96	89	0	87	0.5682	D_跨水平跨处理
R5_vs_Y2	met	95	31	0	18	0.3021	D_跨水平跨处理
R5_vs_Y3	gene	95	85	0	70	0.608	D_跨水平跨处理
R5_vs_Y3	joint	96	88	0	84	0.5	D_跨水平跨处理
R5_vs_Y3	met	95	34	0	18	0.141	D_跨水平跨处理
R5_vs_Y4	gene	95	89	1	73	1	D_跨水平跨处理
R5_vs_Y4	joint	96	90	1	88	0.5682	D_跨水平跨处理
R5_vs_Y4	met	95	25	0	12	0.141	D_跨水平跨处理
R5_vs_Y5	gene	95	83	0	70	1	A_同水平处理间
R5_vs_Y5	joint	96	84	0	83	0.5682	A_同水平处理间
R5_vs_Y5	met	95	22	0	14	0.1682	A_同水平处理间
Y1_vs_Y2	gene	95	0	0	0	0	C_Y组内跨水平
Y1_vs_Y2	joint	96	2	0	1	0.01239	C_Y组内跨水平
Y1_vs_Y2	met	95	2	0	1	0.03454	C_Y组内跨水平
Y1_vs_Y3	gene	95	2	0	1	0.005368	C_Y组内跨水平
Y1_vs_Y3	joint	96	14	1	9	0.04842	C_Y组内跨水平
Y1_vs_Y3	met	95	13	0	6	0.1658	C_Y组内跨水平
Y1_vs_Y4	gene	95	73	0	56	1	C_Y组内跨水平
Y1_vs_Y4	joint	96	77	0	74	0.2295	C_Y组内跨水平
Y1_vs_Y4	met	95	32	0	13	0.3253	C_Y组内跨水平
Y1_vs_Y5	gene	95	73	2	58	1	C_Y组内跨水平
Y1_vs_Y5	joint	96	75	0	75	0.2639	C_Y组内跨水平
Y1_vs_Y5	met	95	22	0	16	0.1212	C_Y组内跨水平
Y2_vs_Y3	gene	95	0	0	0	0	C_Y组内跨水平
Y2_vs_Y3	joint	96	1	0	1	0.01121	C_Y组内跨水平
Y2_vs_Y3	met	95	1	0	1	0.00546	C_Y组内跨水平
Y2_vs_Y4	gene	95	66	0	49	1	C_Y组内跨水平
Y2_vs_Y4	joint	96	70	0	69	0.2295	C_Y组内跨水平
Y2_vs_Y4	met	95	20	0	12	0.3021	C_Y组内跨水平
Y2_vs_Y5	gene	95	76	0	57	1	C_Y组内跨水平
Y2_vs_Y5	joint	96	76	0	75	0.2398	C_Y组内跨水平
Y2_vs_Y5	met	95	10	0	7	0.06323	C_Y组内跨水平
Y3_vs_Y4	gene	95	63	0	38	1	C_Y组内跨水平
Y3_vs_Y4	joint	96	70	0	63	0.2309	C_Y组内跨水平
Y3_vs_Y4	met	95	28	0	12	0.3253	C_Y组内跨水平
Y3_vs_Y5	gene	95	76	1	60	1	C_Y组内跨水平
Y3_vs_Y5	joint	96	77	0	76	0.3459	C_Y组内跨水平
Y3_vs_Y5	met	95	20	0	14	0.08219	C_Y组内跨水平
Y4_vs_Y5	gene	95	72	0	60	0.4469	C_Y组内跨水平
Y4_vs_Y5	joint	96	74	0	72	0.1651	C_Y组内跨水平
Y4_vs_Y5	met	95	6	0	3	0.05958	C_Y组内跨水平

通路网络共 288 行下载全表

表注：pid、name 通路；layer 网络层；n_nodes、n_edges 节点数和边数；sum_betweenness 相对介数中心性之和；analyzable 影响值是否可计算（节点数达到下限且存在中介节点）。

pid	name	layer	n_nodes	n_edges	sum_betweenness	analyzable
00010	Glycolysis / Gluconeogenesis	met	30	60	3.026	是
00010	Glycolysis / Gluconeogenesis	gene	109	1317	2.064	是
00010	Glycolysis / Gluconeogenesis	joint	139	398	4.748	是
00020	Citrate cycle (TCA cycle)	met	19	43	2.536	是
00020	Citrate cycle (TCA cycle)	gene	70	918	1.314	是
00020	Citrate cycle (TCA cycle)	joint	89	290	3.808	是
00030	Pentose phosphate pathway	met	37	81	2.064	是
00030	Pentose phosphate pathway	gene	95	838	1.221	是
00030	Pentose phosphate pathway	joint	132	329	3.116	是
00040	Pentose and glucuronate interconversions	met	59	115	3.452	是
00040	Pentose and glucuronate interconversions	gene	97	463	3.015	是
00040	Pentose and glucuronate interconversions	joint	156	334	6.618	是
00051	Fructose and mannose metabolism	met	54	90	1.385	是
00051	Fructose and mannose metabolism	gene	124	930	1.449	是
00051	Fructose and mannose metabolism	joint	178	369	2.997	是
00052	Galactose metabolism	met	48	83	3.066	是
00052	Galactose metabolism	gene	87	471	2.771	是
00052	Galactose metabolism	joint	135	329	5.958	是
00053	Ascorbate and aldarate metabolism	met	51	82	0.7988	是
00053	Ascorbate and aldarate metabolism	gene	63	150	0.5695	是
00053	Ascorbate and aldarate metabolism	joint	114	197	1.511	是
00061	Fatty acid biosynthesis	met	56	93	3.536	是
00061	Fatty acid biosynthesis	gene	39	373	0.3812	是
00061	Fatty acid biosynthesis	joint	95	738	1.193	是
00062	Fatty acid elongation	met	37	50	2.107	是
00062	Fatty acid elongation	gene	25	42	0.9601	是
00062	Fatty acid elongation	joint	62	177	1.153	是
00071	Fatty acid degradation	met	45	71	2.386	是
00071	Fatty acid degradation	gene	60	422	0.2767	是
00071	Fatty acid degradation	joint	105	680	0.9151	是
00073	Cutin, suberine and wax biosynthesis	met	20	17	0.03801	是
00073	Cutin, suberine and wax biosynthesis	gene	20	28	0.02632	是
00073	Cutin, suberine and wax biosynthesis	joint	40	64	0.1808	是
00100	Steroid biosynthesis	met	56	60	0.9684	是
00100	Steroid biosynthesis	gene	34	68	1.034	是
00100	Steroid biosynthesis	joint	90	137	2.395	是
00130	Ubiquinone and other terpenoid-quinone biosynthesis	met	68	72	0.1936	是
00130	Ubiquinone and other terpenoid-quinone biosynthesis	gene	64	147	0.5709	是
00130	Ubiquinone and other terpenoid-quinone biosynthesis	joint	132	208	1.086	是
00220	Arginine biosynthesis	met	22	29	1.345	是
00220	Arginine biosynthesis	gene	66	367	0.8712	是
00220	Arginine biosynthesis	joint	88	158	2.299	是
00230	Purine metabolism	met	77	116	1.57	是
00230	Purine metabolism	gene	219	2056	1.092	是
00230	Purine metabolism	joint	296	754	2.819	是
00232	Caffeine metabolism	met	18	21	0.2794	是
00232	Caffeine metabolism	gene	16	36	0.2905	是
00232	Caffeine metabolism	joint	34	55	0.8532	是
00240	Pyrimidine metabolism	met	59	88	0.6319	是
00240	Pyrimidine metabolism	gene	109	1137	0.7799	是
00240	Pyrimidine metabolism	joint	168	484	1.912	是
00250	Alanine, aspartate and glutamate metabolism	met	27	38	0.3523	是
00250	Alanine, aspartate and glutamate metabolism	gene	70	442	0.9695	是
00250	Alanine, aspartate and glutamate metabolism	joint	97	198	2.465	是
00260	Glycine, serine and threonine metabolism	met	48	82	1.887	是
00260	Glycine, serine and threonine metabolism	gene	114	881	1.757	是
00260	Glycine, serine and threonine metabolism	joint	162	337	4.026	是
00261	Monobactam biosynthesis	met	29	26	0.1336	是
00261	Monobactam biosynthesis	gene	27	18	0.08923	是
00261	Monobactam biosynthesis	joint	56	67	0.3084	是
00270	Cysteine and methionine metabolism	met	64	101	2.15	是
00270	Cysteine and methionine metabolism	gene	131	894	2.036	是
00270	Cysteine and methionine metabolism	joint	195	439	4.522	是
00280	Valine, leucine and isoleucine degradation	met	39	64	1.557	是
00280	Valine, leucine and isoleucine degradation	gene	71	340	0.8128	是
00280	Valine, leucine and isoleucine degradation	joint	110	305	2.342	是
00290	Valine, leucine and isoleucine biosynthesis	met	22	30	0.5357	是
00290	Valine, leucine and isoleucine biosynthesis	gene	19	64	2.092	是
00290	Valine, leucine and isoleucine biosynthesis	joint	41	102	4.695	是
00300	Lysine biosynthesis	met	33	48	1.138	是
00300	Lysine biosynthesis	gene	48	134	0.9681	是
00300	Lysine biosynthesis	joint	81	157	2.309	是
00310	Lysine degradation	met	51	66	0.3882	是
00310	Lysine degradation	gene	99	1100	0.1978	是
00310	Lysine degradation	joint	150	352	0.6244	是
00330	Arginine and proline metabolism	met	69	97	0.7452	是
00330	Arginine and proline metabolism	gene	114	546	2.587	是
00330	Arginine and proline metabolism	joint	183	313	5.629	是
00340	Histidine metabolism	met	35	40	1.41	是
00340	Histidine metabolism	gene	50	111	1.105	是
00340	Histidine metabolism	joint	85	130	2.28	是
00350	Tyrosine metabolism	met	61	79	0.424	是
00350	Tyrosine metabolism	gene	85	629	0.6364	是
00350	Tyrosine metabolism	joint	146	311	1.519	是
00360	Phenylalanine metabolism	met	43	55	0.6893	是
00360	Phenylalanine metabolism	gene	75	575	0.6464	是
00360	Phenylalanine metabolism	joint	118	232	1.567	是
00380	Tryptophan metabolism	met	52	56	0.1482	是
00380	Tryptophan metabolism	gene	76	236	0.5694	是
00380	Tryptophan metabolism	joint	128	211	1.385	是
00400	Phenylalanine, tyrosine and tryptophan biosynthesis	met	34	51	2.398	是
00400	Phenylalanine, tyrosine and tryptophan biosynthesis	gene	74	833	1.071	是
00400	Phenylalanine, tyrosine and tryptophan biosynthesis	joint	108	368	2.565	是
00402	Benzoxazinoid biosynthesis	met	9	8	1.5	是
00402	Benzoxazinoid biosynthesis	gene	8	7	1.333	是
00402	Benzoxazinoid biosynthesis	joint	17	16	2.833	是
00410	beta-Alanine metabolism	met	24	35	1.194	是
00410	beta-Alanine metabolism	gene	46	315	1.122	是
00410	beta-Alanine metabolism	joint	70	154	2.714	是
00430	Taurine and hypotaurine metabolism	met	21	30	0.9842	是
00430	Taurine and hypotaurine metabolism	gene	29	84	0.6839	是
00430	Taurine and hypotaurine metabolism	joint	50	78	1.903	是
00440	Phosphonate and phosphinate metabolism	met	45	44	0.2807	是
00440	Phosphonate and phosphinate metabolism	gene	48	70	0.2414	是
00440	Phosphonate and phosphinate metabolism	joint	93	114	0.647	是
00450	Selenocompound metabolism	met	21	22	0.09737	是
00450	Selenocompound metabolism	gene	36	56	0.07227	是
00450	Selenocompound metabolism	joint	57	88	0.2744	是
00460	Cyanoamino acid metabolism	met	44	45	0.2763	是
00460	Cyanoamino acid metabolism	gene	37	102	0.504	是
00460	Cyanoamino acid metabolism	joint	81	142	1.083	是
00470	D-Amino acid metabolism	met	60	74	0.05815	是
00470	D-Amino acid metabolism	gene	56	162	0.564	是
00470	D-Amino acid metabolism	joint	116	232	1.378	是
00480	Glutathione metabolism	met	35	50	1.007	是
00480	Glutathione metabolism	gene	55	419	1.176	是
00480	Glutathione metabolism	joint	90	209	2.804	是
00500	Starch and sucrose metabolism	met	35	85	2.368	是
00500	Starch and sucrose metabolism	gene	109	936	2.218	是
00500	Starch and sucrose metabolism	joint	144	331	5.155	是
00510	N-Glycan biosynthesis	met	10	9	0.5139	是
00510	N-Glycan biosynthesis	gene	21	25	0.2	是
00510	N-Glycan biosynthesis	joint	31	46	0.7138	是
00520	Amino sugar and nucleotide sugar metabolism	met	72	107	1.447	是
00520	Amino sugar and nucleotide sugar metabolism	gene	119	625	1.774	是
00520	Amino sugar and nucleotide sugar metabolism	joint	191	393	3.766	是
00531	Glycosaminoglycan degradation	met	1	0	0	否
00531	Glycosaminoglycan degradation	gene	2	0	0	否
00531	Glycosaminoglycan degradation	joint	3	4	1	是
00540	Lipopolysaccharide biosynthesis	met	42	51	0.5726	是
00540	Lipopolysaccharide biosynthesis	gene	26	38	1.213	是
00540	Lipopolysaccharide biosynthesis	joint	68	86	2.196	是
00541	Biosynthesis of various nucleotide sugars	met	121	134	0.06681	是
00541	Biosynthesis of various nucleotide sugars	gene	135	283	0.1374	是
00541	Biosynthesis of various nucleotide sugars	joint	256	350	0.3299	是
00561	Glycerolipid metabolism	met	32	47	1.004	是
00561	Glycerolipid metabolism	gene	101	1354	1.205	是
00561	Glycerolipid metabolism	joint	133	307	2.767	是
00562	Inositol phosphate metabolism	met	47	70	2.278	是
00562	Inositol phosphate metabolism	gene	79	371	2.299	是
00562	Inositol phosphate metabolism	joint	126	227	5.151	是
00563	Glycosylphosphatidylinositol (GPI)-anchor biosynthesis	met	16	12	0.07143	是
00563	Glycosylphosphatidylinositol (GPI)-anchor biosynthesis	gene	18	8	0.01471	是
00563	Glycosylphosphatidylinositol (GPI)-anchor biosynthesis	joint	34	32	0.1723	是
00564	Glycerophospholipid metabolism	met	52	84	2.373	是
00564	Glycerophospholipid metabolism	gene	120	1016	2.228	是
00564	Glycerophospholipid metabolism	joint	172	407	4.94	是
00565	Ether lipid metabolism	met	21	22	0.2	是
00565	Ether lipid metabolism	gene	31	148	0.4897	是
00565	Ether lipid metabolism	joint	52	94	1.209	是
00566	Sulfoquinovose metabolism	met	39	49	1.01	是
00566	Sulfoquinovose metabolism	gene	50	93	0.8516	是
00566	Sulfoquinovose metabolism	joint	89	128	2.016	是
00590	Arachidonic acid metabolism	met	46	48	0.09394	是
00590	Arachidonic acid metabolism	gene	51	221	0.1135	是
00590	Arachidonic acid metabolism	joint	97	179	0.3684	是
00591	Linoleic acid metabolism	met	13	12	0.1136	是
00591	Linoleic acid metabolism	gene	25	128	0	否
00591	Linoleic acid metabolism	joint	38	63	0.277	是
00592	alpha-Linolenic acid metabolism	met	51	48	0.05918	是
00592	alpha-Linolenic acid metabolism	gene	34	48	0.2282	是
00592	alpha-Linolenic acid metabolism	joint	85	104	0.393	是
00600	Sphingolipid metabolism	met	34	51	1.041	是
00600	Sphingolipid metabolism	gene	56	400	1.466	是
00600	Sphingolipid metabolism	joint	90	188	3.46	是
00620	Pyruvate metabolism	met	28	55	0.7179	是
00620	Pyruvate metabolism	gene	141	2404	0.5977	是
00620	Pyruvate metabolism	joint	169	403	1.625	是
00630	Glyoxylate and dicarboxylate metabolism	met	55	88	2.091	是
00630	Glyoxylate and dicarboxylate metabolism	gene	120	859	0.9992	是
00630	Glyoxylate and dicarboxylate metabolism	joint	175	343	2.827	是
00640	Propanoate metabolism	met	37	69	2.188	是
00640	Propanoate metabolism	gene	102	1199	1.515	是
00640	Propanoate metabolism	joint	139	339	3.953	是
00650	Butanoate metabolism	met	43	76	1.382	是
00650	Butanoate metabolism	gene	115	820	1.45	是
00650	Butanoate metabolism	joint	158	387	3.122	是
00660	C5-Branched dibasic acid metabolism	met	22	30	0.5167	是
00660	C5-Branched dibasic acid metabolism	gene	30	95	0.4433	是
00660	C5-Branched dibasic acid metabolism	joint	52	106	1.05	是
00670	One carbon pool by folate	met	25	65	1.46	是
00670	One carbon pool by folate	gene	65	1460	0.755	是
00670	One carbon pool by folate	joint	90	275	2.474	是
00710	Carbon fixation by Calvin cycle	met	19	34	1.467	是
00710	Carbon fixation by Calvin cycle	gene	37	124	1.178	是
00710	Carbon fixation by Calvin cycle	joint	56	105	2.811	是
00730	Thiamine metabolism	met	28	33	1.262	是
00730	Thiamine metabolism	gene	36	170	0.9118	是
00730	Thiamine metabolism	joint	64	113	2.236	是
00740	Riboflavin metabolism	met	18	17	0.2978	是
00740	Riboflavin metabolism	gene	53	212	0.1802	是
00740	Riboflavin metabolism	joint	71	103	0.7029	是
00750	Vitamin B6 metabolism	met	23	33	0.8571	是
00750	Vitamin B6 metabolism	gene	26	114	0.5683	是
00750	Vitamin B6 metabolism	joint	49	98	1.585	是
00760	Nicotinate and nicotinamide metabolism	met	51	57	0.2522	是
00760	Nicotinate and nicotinamide metabolism	gene	97	618	0.3735	是
00760	Nicotinate and nicotinamide metabolism	joint	148	260	0.9098	是
00770	Pantothenate and CoA biosynthesis	met	26	32	0.605	是
00770	Pantothenate and CoA biosynthesis	gene	47	153	0.6541	是
00770	Pantothenate and CoA biosynthesis	joint	73	142	1.421	是
00780	Biotin metabolism	met	24	26	1.494	是
00780	Biotin metabolism	gene	24	45	1.01	是
00780	Biotin metabolism	joint	48	71	2.362	是
00785	Lipoic acid metabolism	met	29	50	1.328	是
00785	Lipoic acid metabolism	gene	25	121	0.7627	是
00785	Lipoic acid metabolism	joint	54	119	2.017	是
00790	Folate biosynthesis	met	56	66	0.2061	是
00790	Folate biosynthesis	gene	84	435	0.2846	是
00790	Folate biosynthesis	joint	140	286	0.6811	是
00860	Porphyrin metabolism	met	116	129	0.8376	是
00860	Porphyrin metabolism	gene	140	450	0.7387	是
00860	Porphyrin metabolism	joint	256	393	1.551	是
00900	Terpenoid backbone biosynthesis	met	44	60	1.149	是
00900	Terpenoid backbone biosynthesis	gene	64	217	0.82	是
00900	Terpenoid backbone biosynthesis	joint	108	169	2.076	是
00901	Indole alkaloid biosynthesis	met	80	71	0.08423	是
00901	Indole alkaloid biosynthesis	gene	57	51	0.09188	是
00901	Indole alkaloid biosynthesis	joint	137	143	0.2139	是
00902	Monoterpenoid biosynthesis	met	48	48	0.1721	是
00902	Monoterpenoid biosynthesis	gene	44	40	0.07863	是
00902	Monoterpenoid biosynthesis	joint	92	112	0.2527	是
00904	Diterpenoid biosynthesis	met	104	103	0.2621	是
00904	Diterpenoid biosynthesis	gene	76	176	0.1207	是
00904	Diterpenoid biosynthesis	joint	180	257	0.3257	是
00905	Brassinosteroid biosynthesis	met	26	29	0.2783	是
00905	Brassinosteroid biosynthesis	gene	12	48	1.136	是
00905	Brassinosteroid biosynthesis	joint	38	98	2.251	是
00906	Carotenoid biosynthesis	met	109	116	0.4012	是
00906	Carotenoid biosynthesis	gene	61	210	0.4842	是
00906	Carotenoid biosynthesis	joint	170	294	1.062	是
00908	Zeatin biosynthesis	met	22	20	0.007143	是
00908	Zeatin biosynthesis	gene	10	1	0	否
00908	Zeatin biosynthesis	joint	32	34	0.04731	是
00909	Sesquiterpenoid and triterpenoid biosynthesis	met	84	84	0.02512	是
00909	Sesquiterpenoid and triterpenoid biosynthesis	gene	75	38	0.004813	是
00909	Sesquiterpenoid and triterpenoid biosynthesis	joint	159	180	0.04076	是
00910	Nitrogen metabolism	met	17	15	0.1083	是
00910	Nitrogen metabolism	gene	66	300	0.137	是
00910	Nitrogen metabolism	joint	83	113	0.4032	是
00920	Sulfur metabolism	met	39	64	0.6437	是
00920	Sulfur metabolism	gene	121	1745	1.054	是
00920	Sulfur metabolism	joint	160	345	2.371	是
00940	Phenylpropanoid biosynthesis	met	54	67	0.9528	是
00940	Phenylpropanoid biosynthesis	gene	31	75	0.8437	是
00940	Phenylpropanoid biosynthesis	joint	85	164	2.314	是
00941	Flavonoid biosynthesis	met	68	74	0.1621	是
00941	Flavonoid biosynthesis	gene	27	56	0.4508	是
00941	Flavonoid biosynthesis	joint	95	161	1.193	是
00942	Anthocyanin biosynthesis	met	41	36	0.04231	是
00942	Anthocyanin biosynthesis	gene	15	18	0.07692	是
00942	Anthocyanin biosynthesis	joint	56	78	0.3357	是
00943	Isoflavonoid biosynthesis	met	49	43	0.1188	是
00943	Isoflavonoid biosynthesis	gene	18	18	0.3676	是
00943	Isoflavonoid biosynthesis	joint	67	91	0.8855	是
00944	Flavone and flavonol biosynthesis	met	30	24	0.03695	是
00944	Flavone and flavonol biosynthesis	gene	15	15	0.04945	是
00944	Flavone and flavonol biosynthesis	joint	45	52	0.2119	是
00945	Stilbenoid, diarylheptanoid and gingerol biosynthesis	met	19	21	0.6176	是
00945	Stilbenoid, diarylheptanoid and gingerol biosynthesis	gene	13	14	0.2576	是
00945	Stilbenoid, diarylheptanoid and gingerol biosynthesis	joint	32	41	1.071	是
00950	Isoquinoline alkaloid biosynthesis	met	95	92	0.4244	是
00950	Isoquinoline alkaloid biosynthesis	gene	69	118	0.696	是
00950	Isoquinoline alkaloid biosynthesis	joint	164	224	1.258	是
00960	Tropane, piperidine and pyridine alkaloid biosynthesis	met	42	33	0.07805	是
00960	Tropane, piperidine and pyridine alkaloid biosynthesis	gene	40	48	0.226	是
00960	Tropane, piperidine and pyridine alkaloid biosynthesis	joint	82	113	0.3193	是
00966	Glucosinolate metabolism	met	69	67	0.4941	是
00966	Glucosinolate metabolism	gene	35	51	1.843	是
00966	Glucosinolate metabolism	joint	104	166	3.571	是
00970	Aminoacyl-tRNA biosynthesis	met	52	35	0.002745	是
00970	Aminoacyl-tRNA biosynthesis	gene	44	14	0.000554	是
00970	Aminoacyl-tRNA biosynthesis	joint	96	101	0.01512	是
00996	Biosynthesis of various alkaloids	met	27	19	0.04308	是
00996	Biosynthesis of various alkaloids	gene	14	8	0.02564	是
00996	Biosynthesis of various alkaloids	joint	41	37	0.1147	是
00999	Biosynthesis of various plant secondary metabolites	met	111	94	0.07431	是
00999	Biosynthesis of various plant secondary metabolites	gene	74	58	0.1109	是
00999	Biosynthesis of various plant secondary metabolites	joint	185	205	0.2229	是
01040	Biosynthesis of unsaturated fatty acids	met	36	24	0.009244	是
01040	Biosynthesis of unsaturated fatty acids	gene	9	4	0	否
01040	Biosynthesis of unsaturated fatty acids	joint	45	72	0.3277	是
01310	Nitrogen cycle	met	7	8	0.7333	是
01310	Nitrogen cycle	gene	39	225	0.4339	是
01310	Nitrogen cycle	joint	46	76	1.258	是
01320	Sulfur cycle	met	14	19	0.3333	是
01320	Sulfur cycle	gene	44	245	0.5975	是
01320	Sulfur cycle	joint	58	123	1.399	是

全部比较的影响值节点中心性网络边

各比较结果

7 结果描述

网络规模。96 条纳入通路有 KGML 反应信息；影响值可计算的通路：代谢物网络 95 条、酶网络 92 条、联合网络 96 条。

显著通路。45 个比较累计 FDR<0.05 的“比较 × 通路”：酶网络 20 个、联合网络 11 个、代谢物网络 2 个。代谢物网络命中节点少，有命中节点的通路数中位数只有 18 条（酶网络为 81 条）。

反复出现的通路（P<0.05 的比较数）。酶网络：Phenylpropanoid biosynthesis（32 个比较）、Starch and sucrose metabolism（25 个比较）、Flavonoid biosynthesis（23 个比较）；联合网络：Glycolysis / Gluconeogenesis（29 个比较）、Carbon fixation by Calvin cycle（20 个比较）、Starch and sucrose metabolism（17 个比较）；代谢物网络：Flavonoid biosynthesis（9 个比较）、C5-Branched dibasic acid metabolism（6 个比较）、Biosynthesis of various alkaloids（4 个比较）。

类黄酮生物合成。酶网络上影响值最高为 0.88（R1_vs_Y1，FDR=0.008）；同一通路在代谢物网络上最高为 0.16，联合网络最高为 0.44。

8 生物学意义

数据支持的观察

苯丙烷和类黄酮生物合成在酶网络上反复出现，且类黄酮合成的命中酶占据了通路网络中的关键位置（影响值接近 0.9），与联合富集、WGCNA 和关键通路排序的结论一致 [24]。糖酵解、卡尔文循环、淀粉和蔗糖代谢在联合网络上反复出现，说明碳代谢主干上的酶和中间产物同时发生变化。

需要进一步验证的假设

处理和水平可能改变了碳代谢主干和苯丙烷—类黄酮分支之间的物质分配。影响值只反映差异分子在网络中的位置，不反映通量；需要用关键酶活性、代谢物定量或同位素示踪验证。代谢物网络的命中节点很少，代谢层的拓扑结论不可靠。

9 局限性

KEGG 参考通路是多物种合并的通用图，不保证本物种中每个酶和反应都存在；物种确认后可改用物种专属通路重算。代谢物只有约三分之一有 KEGG 编号，代谢物层的命中节点很少，影响值和 P 值波动大。介数中心性只反映网络位置，不反映通量大小或限速步骤。同一 KO 下的多个基因、同一化合物下的多个代谢物被合并为一个节点，节点内方向相反的变化会被掩盖。三种网络的节点和背景不同，影响值不能跨层直接比较大小，只能看各自的排序和一致性。

参考文献

Xia J, Wishart DS. MetPA: a web-based metabolomics tool for pathway analysis and visualization. Bioinformatics, 2010, 26(18): 2342–2344.
Pang Z, Chong J, Zhou G, et al. MetaboAnalyst 5.0: narrowing the gap between raw spectra and functional insights. Nucleic Acids Research, 2021, 49(W1): W388–W396.
Brandes U. A faster algorithm for betweenness centrality. Journal of Mathematical Sociology, 2001, 25(2): 163–177.
Kanehisa M, Goto S. KEGG: Kyoto Encyclopedia of Genes and Genomes. Nucleic Acids Research, 2000, 28(1): 27–30.
Benjamini Y, Hochberg Y. Controlling the false discovery rate: a practical and powerful approach to multiple testing. Journal of the Royal Statistical Society Series B, 1995, 57(1): 289–300.
Winkel-Shirley B. Flavonoid biosynthesis. A colorful model for genetics, biochemistry, cell biology, and biotechnology. Plant Physiology, 2001, 126(2): 485–493.