信息速览
MetaCyc 是「Metabolic Pathway Database」的缩写，读作 met-a-sike，与 encyclopedia 押韵，由美国斯坦福国际研究院（SRI International）的生物信息学研究组维护，1990 年代随 EcoCyc 一同起步，第一篇专门介绍它的核酸研究数据库专刊论文发表于 2020 年。它做的事情可以一句话说完：把文献里被实验阐明过的代谢通路，按统一的物件模型抄进一个库，每条通路、每个反应、每个酶都挂着证据代码和文献引用，然后拿这个库当作模板，去给成千上万个已测序的基因组预测通路。
它与多数通路库的分野在于取舍。它不追求覆盖某个物种的全部代谢网络，官方说法是「存下每条已阐明通路的代表性样本」；它也不做计算填充，没有实验支撑的通路一律不收。代价是覆盖必然残缺——没人研究过的通路，哪怕生物化学上几乎肯定存在，也不会出现在库里。收益是库内每一条记录都能被追到某篇论文的某张图。
这个库在结构上属于 BioCyc 体系，是其中唯一跨物种、且只收实验证据的那一个；BioCyc 另外两万个物种库都由它派生，靠 Pathway Tools 的通路预测程序生成。它的使用门槛也集中在许可上：网页免费但需账号，批量数据文件要付费订阅，这一点常被「学术免费」的笼统说法掩盖。一屏速览见下表。
| 维度 | 内容 |
|---|---|
| 全称 | Metabolic Pathway Database |
| 维护方 | SRI International 生物信息学研究组 |
| 体系归属 | BioCyc 数据库集合的第一级库，跨物种的参考库 |
| 当前版本 | 30.0，2026 年 8 月 6 日发布 |
| 基准通路 | 三千三百余条（含超通路则为三千六百余条） |
| 反应 | 两万余条，其中转运反应一千余条 |
| 酶与化合物 | 酶一万五千余个，化合物两万余个 |
| 物种 | 三千五百余个（指通路被收录过的物种） |
| 文献引用 | 八万余条 |
| 对象模型 | 通路、反应、酶、化合物、基因五类并列，互相引用 |
| 证据要求 | 通路必须有实验证据，全库通路均为实验类证据代码 |
| 派生关系 | BioCyc 两万个物种库由它经 PathoLogic 预测生成 |
| 网页访问 | 免费，需注册免费账号 |
| 数据文件 | 需 BioCyc 订阅，最低五千美元一年 |
| 商业使用 | 需付费许可 |
§1 它要解决的具体麻烦
1.1 通路数据库都在做同一件事：把文献压成可计算的形状
代谢通路的知识原本散在几十万篇论文里。一篇 1970 年代的论文可能只讲清楚某细菌在厌氧条件下把某个糖拆成三个产物，通路的起点终点、参与的酶、辅因子、化学计量散落在正文、图与附表里。要把这些内容变成机器能算的东西，必须先决定三件事：一条通路从哪里开始到哪里结束、哪些反应算同一条通路、证据不足的地方怎么处理。
不同的库在这三件事上给出了不同答案，而这些答案决定了库的用途。有的库选择把相关反应尽量并到一张图上，图好看、好查，但一条图里可能混着好几个物种、好几条互斥的路线；有的库选择严格按物种建模，每个物种一张完整网络，但网络里必然有大量预测出来的边；有的库选择只收被实验证实过的片段，宁可残缺也不留推测。
MetaCyc 走的是第三条。它的官方定位是「参考库」而不是「某物种的网络」：库里存的是一条条独立的、有出处的通路，同一条通路若在两个物种中反应组成完全相同，只记一条，用物种字段标注它在哪些物种里出现过。这种做法让库的规模增长得很慢——三十年末积累三千余条——但换来的是每条记录都可以回溯。
1.2 三条常见的错误期待
| 常见期待 | 实际情况 |
|---|---|
| 以为它是某个物种（比如人）的完整代谢网络 | 它是跨物种的参考样本集，不建模任何单一物种的完整网络，人的完整网络在 HumanCyc |
| 以为它和 KEGG 一样以通路图为核心 | 图只是对象页的一部分，核心是通路、反应、酶、化合物这组带引用的记录 |
| 以为它免费开放、可以随便爬 | 网页浏览免费但要账号，批量数据文件需付费订阅，程序化取数有限速约定 |
1.3 它能给到的与给不到的
| 你的需求 | 它给的 | 够不够 |
|---|---|---|
| 判断某条通路是否有实验证据 | 每条通路有证据代码与文献引用 | 够，这是它最硬的字段 |
| 给一个新测序的基因组做代谢重建 | 通路模板加 PathoLogic 预测程序 | 够，这是它的主业 |
| 找某个酶的底物、抑制剂、动力学参数 | 酶页有这些字段，但覆盖不均 | 部分够，缺的参数要另找 BRENDA 一类 |
| 找某个化合物的结构、分子式、交叉引用 | 化合物页有分子式、InChI、ChEBI 等链接 | 够用，但化合物以代谢中间体为主 |
| 拿到一份可直接做富集的基因集 | 没有现成的 GMT 式基因集，要自己按通路聚合 | 不够，需自行加工 |
| 拿到某物种的完整代谢网络 | 只给参考通路，物种网络在 BioCyc 的对应库 | 不够，需换库 |
| 拿到原始转录组或代谢组数据 | 完全没有 | 不够，它不是数据仓 |
| 批量下载全库做训练 | 需付费订阅，网页取数有频率约定 | 不够，除非有订阅 |
1.4 你的处境与它能帮到的事
| 你的处境 | 它能帮你什么 | 下一步该做什么 |
|---|---|---|
| 刚拿到一个细菌基因组，要写代谢能力那一节 | 用它当参考库跑一遍通路预测，得到该菌的通路清单 | 用 Pathway Tools 生成自己的库，再逐条核对可疑通路 |
| 想改造一株菌生产某个化合物，缺一条可行的路线 | 库里收了大量天然产物与辅因子合成通路，可作路线素材 | 用 RouteSearch 找最短路线，再评估酶的可移植性 |
| 做代谢组学，一堆峰要落到通路上 | 化合物页可做标识映射，通路页给出上下游 | 先确认化合物标识，再按通路层级做富集 |
| 审稿时被问某条通路到底有没有实验依据 | 证据代码与引用可直接回答 | 引用时同时给出对象编号与版本号 |
| 想做一个通路知识图谱 | 五类对象互相引用，天然是图结构 | 用 Web Services 或 BioPAX 导出，注意许可 |
| 想训练一个通路语言模型，需要海量通路文本 | 三千余条通路的规模不够，且许可受限 | 转向开放许可的库，或只用摘要字段做小规模评测 |
1.5 一句话判断
如果你的问题里包含「这条通路有没有人做过实验」这一层，MetaCyc 是几个主流库里唯一把答案写成一等字段的；如果你的问题只是「这个基因集富集到哪些通路」，它有更轻的替代品。
1.6 不适合谁：四条边界
第一，不适合把「参考库」当成「物种网络」的人。MetaCyc 收录的是跨物种的通路样本，一条通路可能标注了十几个物种，但这些物种各自的完整网络并不在库里。拿它去回答「这个菌能不能降解苯酚」，得到的只是「库里有这条通路，且该菌基因组里有匹配的酶」，不是实验结论。
第二，不适合需要阴性知识的人。库里只记「有什么」，不记「没有什么」。某物种被反复研究后确认缺少某条通路，这件事不会以任何字段出现在库里。做代谢能力缺失的判断时，缺席只能读作未知。
第三，不适合需要现成基因集做富集的人。通路与基因的对应关系在库里是有的，但没有打包成富集工具直接吃的格式，也没有背景集、没有多重检验的推荐参数。要用来做富集，得自己按对象编号聚合基因，并自行处理一个基因属于多条通路的重叠问题。
第四，不适合零预算又要拿全量数据的人。网页端能看，但要把完整数据落到本地做批量计算，要么买订阅，要么走 Pathway Tools 的学术免费许可，后者要签协议、要装软件、要接受随软件捆绑的数据子集。两条路都比「直接下一个压缩包」麻烦。
§2 数据构成与规格
2.1 五类对象，没有主表
MetaCyc 不是一个二维表，而是一组互相引用的对象。理解它的第一步是把这五类对象分清楚，因为下游几乎所有坑都来自把不同类的编号混用。
| 对象类 | 编号样式 | 内容 | 与谁互引 |
|---|---|---|---|
| 通路 Pathway | PWY-5162、CENTFERM-PWY 一类 | 一组有序反应、分类学范围、物种清单、摘要、引用 | 引用反应、酶、化合物 |
| 反应 Reaction | RXN-XXXXX、RXN0-XXXX | 反应式、方向、EC 编号、原子映射、自由能 | 引用酶、化合物 |
| 酶 Enzyme | 以基因或多肽编号标识 | 催化关系、亚基组成、辅因子、激活剂、抑制剂、动力学参数 | 引用反应、基因、多肽 |
| 化合物 Compound | CPD-XXXX、G3P 一类 | 分子式、电荷、分子量、InChI、外部库链接 | 被反应引用 |
| 基因 Gene | 形如 b0721 或物种自定义编号 | 基因名、产物、位置、外部序列库链接 | 引用多肽 |
这五类对象之间是多对多关系：一个反应可能由多个酶催化，一个酶可能催化多个反应，一个化合物出现在几十条反应里。任何按「一行一条通路、一列一个基因」的思路去取数，都会在这一步失真。
2.2 版本 30.0 的规模
官方发布说明给出的统计与数据总览页给出的统计并不完全一致，这一点在后面 §2.5 单独说。下表先列发布说明的口径，因为它是随版本号一起公布的。
| 项目 | 数量 | 说明 |
|---|---|---|
| 基准通路 | 3,305 | 不含超通路 |
| 反应（合计） | 20,367 | 含酶促反应与转运反应 |
| 转运反应 | 1,065 | 单独计数的一类 |
| 酶 | 15,225 | 催化关系条目数 |
| 化合物 | 20,791 | 含聚合物与通用类 |
| 物种 | 3,556 | 通路被收录过的物种数 |
| 文献引用 | 81,305 | 每条引用对应一篇文献 |
| EC 编号 | 6,961 | 含内部 M 编号 |
| 教科书页对应 | 12,747 | 通路与教科书章节的映射条数 |
另有几项只在总览页出现：基因一万六千余个、多肽一万八千余个、蛋白复合物五千余个、转运蛋白七百余个、GO 注释七万余条。这些数字的量级说明一件事：MetaCyc 里的基因与多肽不是为了描述某个基因组而存在的，它们只是通路与酶这两类对象的挂靠点，因此远少于一个真实基因组的基因数。
2.3 一条通路记录的解剖
取一条最小的通路，能看清对象之间怎么咬合。下面是 2-氧代戊烯酸降解这条通路在库里的大致形态，字段名按官方对象模型，值做了简化。
#-- 通路层
frame_id PWY-5162
common_name 2-oxopentenoate degradation
pathway_types base pathway
taxonomic_range Bacteria
species Escherichia coli K-12、Pseudomonas putida 等
evidence_code EV-EXP（实验证据）
citations [3 篇]
summary 一段 200 词左右的说明，交代该通路在哪些物种中被证实
#-- 反应层（该通路含 2 步）
reaction RXN-XXXXX -> 反应式、方向、EC 编号、ΔG
reaction RXN-XXXXY
#-- 酶层（挂在反应上）
enzyme 由某基因编码的多肽复合物
cofactors 需 Mg2+ 一类
kinetics Km、Vmax（有则填，无则空）
#-- 上下游
predecessor 指向产生 2-氧代戊烯酸的通路（如 PWY-6183）
successor 指向消耗产物的通路
in_superpathway PWY-6956（萘降解到乙酰辅酶 A）
这段结构里有三个容易被忽略的细节。其一，taxonomic_range 与 species 是两个字段：前者是策展人给的分类学范围，后者是文献中确证的物种清单，两者可以不一致。其二，上下游不是靠坐标算出来的，而是靠人工登记的「前驱通路」链接，因此一个通路的图上看得到箭头，但箭头指向哪条通路取决于策展时的判断。其三，超通路字段是反向索引，同一条基准通路可能出现在若干个超通路里。
2.4 三层结构：基准通路、超通路、变体
库里叫「通路」的东西其实分三层，混为一谈会直接导致规模数字对不上。
| 层级 | 定义 | 例子 | 是否重复计数 |
|---|---|---|---|
| 基准通路 | 不能再往下切的最小通路，可线性、环状或分支 | 2-氧代戊烯酸降解 | 否 |
| 超通路 | 若干相关通路的聚合，用来在一张图上展示更大片段 | 萘降解到乙酰辅酶 A | 是，其成员仍是基准通路 |
| 通路变体 | 同一目标、反应组成不同的若干条通路，用罗马数字区分 | TCA 循环变体 II、精氨酸降解 III | 否，各自独立 |
超通路的存在是为了解决冗余：如果每条从底物到终产物的完整路线都单列，中间那段共用反应会被重复录入几十次。MetaCyc 的做法是把共用段切出来单独成一条基准通路，再用超通路把片段串起来。因此基准通路数加超通路数才是总通路数，两个数字差三百余条，正是超通路的数量。
另有一个概念必须点明：库里既有「同种通路」也有「嵌合通路」。前者属于某个具体物种，后者把多个物种的反应拼在一起，在任何一个物种里都不完整存在。官方概念手册明确说两类都收、并且有标注。这意味着「全部实验验证」这句话的准确含义是「每个反应都有实验依据」，而不是「每条通路都在某个物种里被整体验证过」。
2.5 数字口径：同一版本内部就不一致
这是使用这个库时最先撞上的麻烦。同一版本下，三个页面给出三套通路数：首页写三千二百八十四条、发布说明写三千三百零五条、数据总览页写三千六百九十一条。反应数与化合物数也有小幅差异。
| 页面 | 通路 | 反应 | 化合物 | 差异原因 |
|---|---|---|---|---|
| 首页介绍段 | 3,284 | 20,199 | 20,642 | 更新滞后，介绍段不是每版都改 |
| 发布说明 | 3,305 | 20,367 | 20,791 | 随版本号一同公布 |
| 数据总览页 | 3,691 | 同上 | 20,618 | 通路含超通路，化合物按类目重新聚合 |
三处差异不是错误，而是三种计数口径：首页是宣传口径、发布说明是增量口径、总览页是对象类口径。引用时必须写明「哪个页面、哪个版本、哪一天读到」，否则同一句话可以被三条链接同时证伪。化合物数在两处相差一百七十余个，一个可能的原因是总览页把部分通用类与聚合物合并计数，官方未作说明。
§3 它的身份：谁的库，对谁负责
3.1 名字与读法
MetaCyc 的名字由 Meta 与 Cyc 组成。Cyc 是「encyclopedia」的后半截，也是这一系列库的通用后缀：EcoCyc 是大肠杆菌库、HumanCyc 是人库、AraCyc 是拟南芥库、YeastCyc 是酵母库。Meta 表示「在物种之上」，即跨物种的元层。官方在论文里专门注了读音，因为把 Meta 读成「元」的重音会让不少人以为它和元数据有关。
这条命名线索本身就是一份说明书：后缀相同的库共享同一套软件、同一套对象模型、同一套证据代码体系，差别只在覆盖范围与策展深度。理解了这一点，就能理解为什么 MetaCyc 的页面之间跳转如此频繁——它本来就是一个更大体系的一个节点。
3.2 维护方与资金结构
维护方是 SRI International，一家非营利研究机构，位于加州门洛帕克。生物信息学研究组从 1990 年代起做 EcoCyc，随后把跨物种的部分独立成 MetaCyc。这条历史线索解释了它的两个特征：一是对象模型偏工程，五类对象加证据代码的结构从 1990 年代沿用至今，改动极小；二是资金结构与学术资助绑定得深，NIH 的经费支撑了大部分策展工作。
2017 年起，SRI 对 BioCyc 全面转向订阅制，公开理由是策展经费难以持续从政府渠道获得。MetaCyc 与 EcoCyc 被留在免费一侧，其余物种库进入付费墙。这一决策的后果是：一个只做通路查询的本科生和一个要批量下载全库的实验室，面对的是同一套内容但完全不同的获取成本。
3.3 在 BioCyc 里的位置：三级结构的第一级
BioCyc 是两万个物种库的集合，按人工投入分三级。MetaCyc 是第一级，且是第一级里唯一的跨物种库。
| 级别 | 定义 | 数量 | 代表 |
|---|---|---|---|
| 第一级 | 至少一年文献策展，持续更新 | 五个 | MetaCyc、EcoCyc、HumanCyc、AraCyc、YeastCyc |
| 第二级 | 由 PathoLogic 预测后经一至四个月人工复核 | 七十余个 | 各模式微生物与病原菌库 |
| 第三级 | 由 PathoLogic 预测，无人工复核 | 近两万个 | 绝大多数测序基因组 |
这三级的关系是单向的：MetaCyc 的通路模板决定第二、三级库能预测出什么。一个基因组的通路预测质量，上限由 MetaCyc 决定，下限由该基因组的注释质量决定。这也解释了为什么 MetaCyc 每季度新增几十条通路会被整个生态感知——那不是一个小库的增量，是两万个库的模板更新。
官方的两处页面在第二级数量上不一致：数据库清单页写七十四个，用户指南写八十个，三级数量也相差十余个。总数都以两万零九十九个为准，差额应来自分级的动态调整未在两处同步。
3.4 对谁负责：三种责任边界
| 责任对象 | 它承担的部分 | 它不承担的部分 |
|---|---|---|
| 上游文献作者 | 如实抄录实验结论，标注原始文献 | 不复现实验，不评价实验质量 |
| 下游使用者 | 保证同一版本内对象编号稳定、引用可追 | 不保证跨版本编号语义不变，不保证通路边界符合你的用法 |
| 学术共同体 | 提供可引用的论文、版本号与对象编号 | 不提供逐条记录的策展日志与争议记录 |
把这三条并排看，能提炼出一条使用准则：把 MetaCyc 当作「有出处的通路清单」，不要当作「代谢事实的仲裁者」。它记录的是某篇论文报告的结论，不是自然界的真相；两者在绝大多数情况下一致，但在边界情形（同一通路有两种互相矛盾的报道）里，库里可能只收了一种，也可能两种都收而靠变体编号区分。
3.5 三条坐标轴
MetaCyc 建立的坐标系有三根轴，任何一次取数都要在这三根轴上定位。
物种轴由分类学范围与物种清单共同定义。同一条通路在不同物种里可能以变体形式存在，判断「这个物种有没有这条通路」要看物种字段，不能看通路是否存在。
证据轴由证据代码定义。它是这个库最有价值的一根轴，也是它区别于所有同类库的地方：同一个字段（比如某酶催化某反应）可能挂着「纯化酶体外实验」「基因敲除后产物消失」「作者陈述」等不同强度的代码，强度差异直接决定这条记录能不能当结论用。
版本轴由季度发布定义。版本号每季度递增，小数位表示季度内的修补。跨版本合并数据前，必须先确认对象编号是否仍指向同一对象——绝大多数情况下是，但通路被拆分或合并时会变。
§4 它的手艺：证据怎么被写进数据
4.1 证据代码：四类顶层，一个都不许省
MetaCyc 所属的这套体系把证据分成四个顶层类：实验推断、计算推断、作者陈述、策展人推断。每一类下面再分若干子类，子类描述具体方法，比如「纯化蛋白体外测定」「基因过表达后产物增加」「序列同源性推断」。
关键规则只有一句，写在官方策展手册里：MetaCyc 只收实验阐明的通路，因此库内所有通路都被指派了实验类证据代码。这句话是理解整个库的钥匙。它同时意味着两件事：第一，你在 MetaCyc 里看不到计算机图标；第二，你看到的烧瓶图标背后可能是很不同的实验，点开图标才能看到具体方法与文献。
需要克制的一点是：通路层的证据代码说明「这条通路存在」，不说明「这条通路的每一步都在同一物种中被验证」。策展手册允许策展人在部分反应来自近缘物种时仍整体标为实验证据，只要该通路的存在有实验支撑。因此读证据代码要看层级：通路层、反应层、酶层各有自己的代码，混读会高估证据强度。
4.2 图标语言：烧瓶与计算机
Metacyc 的页面上，对象右上角会有一个小图标，颜色与形状由证据类型决定。烧瓶代表实验证据，计算机代表计算推断，对话气泡代表作者陈述，人形代表策展人推断。
在这套语言里，MetaCyc 的页面几乎全是烧瓶，而 BioCyc 下第三级物种库的页面几乎全是计算机。这个视觉差异比任何文字说明都直观：同一个通路对象，在参考库里是「有人做出来过」，在某个未策展物种库里是「预测它应该有」。做代谢重建时把两者混为一谈，是最常见的错误来源。
4.3 通路边界怎么定：十三个通用代谢物
这是最容易被外部使用者忽略、却最影响结果的一节。一条通路从哪里开始、到哪里结束，没有数学定义，只有策展惯例。官方给出的惯例是：尽量把边界切在十三种通用代谢物上——葡萄糖-6-磷酸、果糖-6-磷酸、核糖-5-磷酸、赤藓糖-4-磷酸、甘油醛-3-磷酸、3-磷酸甘油酸、磷酸烯醇丙酮酸、丙酮酸、乙酰辅酶 A、2-酮戊二酸、琥珀酰辅酶 A、草酰乙酸、景天庚酮糖-7-磷酸。
这十三种化合物是代谢网络的枢纽，几乎所有分解与合成路线都会经过其中之一。把边界切在这里，等于把长路线切成一段段可复用的片段，避免同一段反应在几十条通路里重复出现。副作用是：单条通路往往短得反直觉，一条「降解通路」可能只有两三步，剩下的部分要靠上下游链接或超通路才能看全。
与 KEGG 的差异也在这里。官方对照文档写得很直白：KEGG 的图平均比 MetaCyc 的通路大四点二倍，因为 KEGG 倾向于把汇聚到同一代谢物的多条生物学通路并到一张图上。这句话不是褒贬，而是两种设计目标的差异：一个要在一张图上看到全貌，一个要在一段记录上看到出处。
4.4 从文献到对象：一条通路的策展流程
策展的实际动作比想象中朴素。读论文、找通路图、抄反应式、查 EC 编号、找对应的酶与基因、写一段摘要、挂引用、指派证据代码、判断分类学范围、决定是否要拆成变体。每一步都可能卡住：反应式在论文里可能没写化学计量、酶可能只有粗酶液实验、基因可能没测序。
官方对策展质量有几条硬要求，写在给投稿者的指南里：通路必须有实验证明且发表于期刊；通路与酶都要有摘要与文献引用；通路中的每个基因应能链接到序列库；酶应尽量补齐最适 pH、温度、Km、抑制剂、激活剂、辅因子。这几条要求解释了为什么库的规模增长慢：一条通路从读到论文到入库，周期以月计。
4.5 库里的非实验部分：自由能与原子映射
「全部实验验证」这个说法有一个必须交代的例外：库内还存着两类计算出来的属性。
第一类是标准吉布斯自由能。官方在 pH 7.3、离子强度 0.25 的条件下，用基团贡献法估算化合物的生成自由能，再由化合物值推算反应的自由能。这套算法对能拆成已知基团的化合物有效，拆不出来的化合物就没有值，相应反应也没有值。
第二类是反应原子映射。每个反应中反应物与产物的非氢原子一一对应，用于判断路线是否守恒原子。这套映射由算法按「断键成键代价最小」求解，官方在论文中报告错误率低于百分之三。
这两类属性的存在不削弱库的证据属性，但改变了「可直接计算」的范围：自由能可以用来筛热力学可行的路线，但不能当实验测定值引用；原子映射可以用来做路线搜索，但不能当反应机制的证据。
4.6 案例：一条通路如何被四个对象锁住
回到 §2.3 的 2-氧代戊烯酸降解。这条通路在库里之所以能自洽，是因为四个对象互相锁定：通路声明它包含两步反应，两步反应各自声明反应式与 EC 编号，每个反应挂着一个或多个酶，酶再挂到具体基因与多肽。任何一环缺失，通路页上就会出现一个空心节点——官方把这个叫通路空洞，它是策展不完整的显式标记，不是错误。
这个案例在后面还会用到两次：§5.3 用它演示按对象编号取数，§9.2 用它演示如何把一条通路变成一张可计算的小表。选它的理由很简单：它足够小，两步反应、一个物种范围，能把结构看清而不被规模淹没；它又足够完整，四个对象齐全，没有空洞。
§5 取数：从网页到接口到本地
5.1 四条路径的取舍
| 路径 | 适合的人 | 代价 | 边界 |
|---|---|---|---|
| 网页浏览与手工导出 | 查单条通路、写综述的人 | 需免费账号，逐页点 | 批量不可行，有人工限速 |
| Web Services | 做脚本化取数的人 | 需账号登录，请求频率约一秒一次 | 只适合小批量，不适合全库镜像 |
| BioPAX / SBML 数据文件 | 要做图分析、模型转换的团队 | 需付费订阅 | 文件大，格式转换有信息损失 |
| Pathway Tools 本地安装 | 要做代谢重建的实验室 | 需学术许可，装软件 | 数据随软件版本走，非最新 |
四条路径拿到的内容并不等价：网页与 Web Services 拿到的是逐对象视图，数据文件拿到的是整库快照，Pathway Tools 拿到的是可编辑的库加一套分析工具。选路径之前先想清楚要的是「几条记录」还是「一个可计算的库」。
5.2 Web Services：先建会话，再取对象
接口要求先登录拿 cookie，后续请求带着 cookie 走。这一点在文档里写得很清楚，但实际操作中最容易漏。
#-- 建立会话并把 cookie 存到本地文件
curl -c biocyc_cookies -X POST \
-d "email=${BIOCYC_USER}&password=${BIOCYC_PASS}" \
https://websvc.biocyc.org/credentials/login/
#-- 取一条通路的完整 XML
curl -b biocyc_cookies \
"https://websvc.biocyc.org/getxml?id=META:PWY-5162&detail=full" \
-o PWY-5162.xml
#-- 取这条通路的全部基因
curl -b biocyc_cookies \
"https://websvc.biocyc.org/apixml?fn=genes-of-pathway&id=META:PWY-5162&detail=full" \
-o PWY-5162_genes.xml
请求里有两个约定值得记住。其一是对象编号必须带库前缀，META: 表示 MetaCyc，漏掉前缀会返回错误而不是默认到当前库。其二是官方请求「平均每秒不超过一次」，这是礼貌约定而非技术限制，超了不会被立刻封，但会被记进使用统计，机构订阅的续费价格与用量挂钩。
5.3 用 BioVelo 做集合查询
单对象取数用 getxml 就够，要按条件取一批对象就得用查询语言。BioVelo 是这套体系自带的查询语言，语法接近集合推导，学习曲线陡但表达力强。
#-- 用查询语言取某个分类学范围内的全部通路
import os, requests
s = requests.Session()
s.post("https://websvc.biocyc.org/credentials/login/",
data={"email": os.environ["BIOCYC_USER"],
"password": os.environ["BIOCYC_PASS"]})
query = "[p:p<-META^^PATHWAYS, p^taxonomic-range='Bacteria']"
r = s.get("https://websvc.biocyc.org/xmlquery", params={"query": query, "detail": "low"})
print(r.status_code, len(r.text))
BioVelo 的坑在于它只接受返回单列的查询，多列结果会被拒绝；另外字段名用的是内部的连字符形式，与网页上显示的标签不同。实用技巧是：在网页的高级检索里先拼出想要的查询，页面会把等价的 BioVelo 语句回显出来，抄下来改比从零写快得多。
5.4 本地安装后的取数
装了 Pathway Tools 之后，数据在本地，取数变成函数调用，不再受网络与限速约束。
#-- 本地库已安装时，直接用 Python 接口遍历通路
from pythoncyc import PGDB
meta = PGDB("meta")
ids = meta.all_pathways()
print(len(ids), "条通路")
sample = meta.get_frame(ids[0])
print(sample.common_name, sample.frameid)
meta.close()
这条路的前提是拿到软件与数据，学术机构可申请免费许可。它适合需要反复查询、需要把 MetaCyc 与自有基因组库联算的场景，不适合只想看几条记录的人。
5.5 版本固定与引用
无论走哪条路，取数之后第一件事是把版本号写进记录。MetaCyc 每季度发版，通路会被拆分、合并、改名，对象编号在绝大多数情况下稳定，但通路层的语义会变。一个可复现的做法是在脚本里写死「版本 30.0 + 取数日期 + 对象编号清单」，三者缺一不可。
§6 与库内条目的关系
6.1 关系图谱
MetaCyc 在库内的位置，可以用「模板、派生、邻接」三层理解。MetaCyc 是模板，BioCyc 的物种库是派生，KEGG、Reactome、WikiPathways 是三个设计目标不同的邻接库。
| 库内相关词条 | 与本词条的关系 | 一句话区隔 |
|---|---|---|
| BioCyc 体系 | 上位集合，MetaCyc 是第一级库 | BioCyc 管两万个物种库，MetaCyc 管跨物种的参考通路 |
| KEGG | 最常被拿来比较的同侪 | KEGG 以参考图与编号体系为核心，MetaCyc 以带证据的对象为核心 |
| Reactome | 同为人工策展，对象粒度更细 | Reactome 以人的反应为单元、逐条绑定文献，MetaCyc 以跨物种通路为单元 |
| WikiPathways | 同为通路集合，生产方式相反 | WikiPathways 众包、开放许可，MetaCyc 专职策展、订阅收费 |
| Rhea | 反应层的对照 | Rhea 只做反应与 EC 的映射，不做通路；MetaCyc 的反应是通路的组件 |
| ChEBI | 化合物层的对照 | ChEBI 是化合物本体，MetaCyc 的化合物页链接过去 |
| BRENDA | 酶参数层的补充 | 酶的动力学参数在 BRENDA 更全，MetaCyc 只收与通路相关的那部分 |
| BV-BRC | 下游消费者 | 细菌基因组资源用 MetaCyc 做通路注释 |
6.2 四个通路库的分工
四个库经常被并列提及，但它们的生产逻辑、对象粒度与许可完全不同。把它们放在一张表里对齐，比分别记忆各自的介绍有用。
| 维度 | MetaCyc | KEGG | Reactome | WikiPathways |
|---|---|---|---|---|
| 一句话定位 | 只收实验证据的跨物种通路参考库 | 以通路图为核心的生物系统知识库 | 以人的反应为单元的通路知识库 | 社区众包的通路图库 |
| 基本单元 | 通路（含反应、酶、化合物、基因） | 通路图与编号体系 | 反应 | 通路图 |
| 生产方式是 | 专职策展人读文献 | 专职团队绘制参考图 | 专家撰写加独立评审 | 社区提交加志愿审编 |
| 证据绑定 | 每个对象带证据代码与引用 | 图上有文献，但颗粒度较粗 | 每条反应绑定文献 | 视作者而定，强度最不齐 |
| 物种策略 | 跨物种参考，不建模完整网络 | 参考图加物种特异的 KO 视图 | 以人为主，直系同源投影到其他物种 | 按物种分组，覆盖不均 |
| 规模量级 | 通路三千余条 | 通路图六千余张 | 人类通路近三千条、反应一万六千余条 | 人类通路近千条、物种六十余个 |
| 图形 | 有通路图，但不是核心 | 图是核心，有专门的图格式 | 有图，以反应链为主 | 图是核心，有专门的图格式 |
| 许可 | 网页免费，数据文件订阅 | 网页与接口免费，批量下载订阅 | 注释 CC0，软件与导出 CC BY | 以 CC0 为主 |
| 典型用途 | 代谢重建、代谢工程、证据核查 | 富集分析、图上看通路 | 人的机制研究、反应级证据 | 快速取材、教学、社区更新 |
分工可以压成四句话。要问「这个反应在人体里有没有实验证据」，去 Reactome；要问「这条通路在细菌里到底存不存在、边界怎么划」，去 MetaCyc；要问「这个基因集富集到哪些图、按编号对接下游工具」，去 KEGG；要问「有没有人画过一张能自由改用的图」，去 WikiPathways。
四者的关系不是替代而是互补，但在实际工作流里有一个不对称：富集分析工具的默认基因集几乎都来自 KEGG、Reactome 与 WikiPathways，MetaCyc 很少出现在下拉框里。原因不在内容质量，而在许可与对象模型——它的通路与基因对应关系没有打包成通用基因集格式，取用要先解决授权，再自己聚合。这一点在做 AI -ready 评估时必须写进「可得性」一栏，否则会把「内容好」误当成「好用」。
6.3 与 KEGG 的逐项区隔
这两个库被比较得最多，也最容易被笼统地说成「一个免费一个收费」。逐项拆开看，差异分布在五个层面。
| 对比项 | MetaCyc | KEGG | 对使用者的实际影响 |
|---|---|---|---|
| 证据要求 | 只收实验阐明，全库通路为实验类证据 | 参考图综合多方知识，未逐条标注实验强度 | 做证据核查只能用前者 |
| 通路粒度 | 平均较小，边界切在十三种通用代谢物 | 图平均大四点二倍，多条通路并一张图 | 同一生物学过程在两库里条数不同，不能按条数比规模 |
| 反应数 | 两万余条，官方称比 KEGG 多七千余条 | 口径见其自身文档 | 反应级比较要看统计日期，两边都在长 |
| 编号体系 | 对象编号加 EC，无跨物种功能枢纽 | KO 编号作为跨物种枢纽 | 跨物种批量注释 KEGG 更顺手 |
| 许可 | 数据文件订阅，最低五千美元一年 | 批量下载订阅，学术个人两千美元一年 | 两者都要钱，量级相近，MetaCyc 门槛更高 |
有一句官方对照值得单独引用：KEGG 图平均比 MetaCyc 通路大四点二倍。这句话常被读成「MetaCyc 更精细」，但它的原意只是边界切法不同。真正的差别在证据：KEGG 的图不区分「这一步在哪个物种被验证」，MetaCyc 的每个反应都要落到具体文献。做代谢工程选路线时，这个差别决定了一条路线是「理论上可行」还是「有人做过」。
6.4 检索路径
| 你的问题 | 该去哪个词条或入口 | 理由 |
|---|---|---|
| 这条通路有没有实验依据 | 本词条，看证据代码 | 全库通路均为实验类代码，点开可见具体方法 |
| 这个物种的完整代谢网络 | BioCyc 对应物种库 | MetaCyc 不建模单一物种完整网络 |
| 这个基因集富集到哪些通路 | KEGG、Reactome、WikiPathways | 三者都有现成基因集，MetaCyc 没有 |
| 人体内某反应的具体机制与证据 | Reactome | 反应级绑定文献，人的覆盖最细 |
| 化合物的本体分类 | ChEBI | MetaCyc 的化合物页只做链接 |
| 酶的动力学参数全集 | BRENDA | MetaCyc 只收与通路相关的那部分 |
| 想自由改用的通路图 | WikiPathways | 开放许可，可下载可改 |
| 想看通路预测怎么做的 | Pathway Tools 文档 | 预测程序与参考库是两件事 |
§7 质量评估与局限性
7.0 阅读本节前的一个前置校正
评估 MetaCyc 时最容易犯的错，是拿评估数据仓的尺子量它：问它样本量多大、更新多快、字段多不多、能不能直接喂模型。这些维度上它都不占优，因为它从一开始就不是数据仓，而是一部带出处的参考书。
正确的评估框架是三层：在「每条记录是否有出处」这一层，它几乎是同类里最严的；在「覆盖是否完整」这一层，它主动放弃完整性；在「获取是否方便」这一层，它因为许可而明显吃亏。三层分开看，后面的评分才不至于读歪——它的低分大多来自主动取舍，而不是能力不足。
7.1 五维评分
| 维度 | 分数 | 依据 |
|---|---|---|
| 证据强度 | 5 / 5 | 每个对象带证据代码与文献引用，通路层强制实验类代码 |
| 覆盖广度 | 3 / 5 | 三千五百余物种有记录，但多数物种只有零星几条通路 |
| 结构规整 | 5 / 5 | 五类对象模型三十年稳定，跨库同构，便于程序化处理 |
| 可得性 | 2 / 5 | 数据文件订阅门槛高，无现成基因集，程序化取数有限速 |
| 时效 | 3 / 5 | 季度发版，但从文献发表到入库有滞后，冷门通路更新慢 |
7.2 DAIMS 视角下的四条线
| DAIMS 线 | MetaCyc 的表现 |
|---|---|
| 数据获取与处理 | 策展流程有公开手册，但逐条记录的策展日志不公开 |
| 数据建模 | 五类对象加证据代码，模型清晰且跨库通用，是最强的一环 |
| 数据溯源 | 对象级可追到文献，但版本间的变更历史只有发布说明层面的摘要 |
| 数据使用与治理 | 许可分层明确，免费与付费边界写得很细，商用一律收费 |
四条线里最强的是建模，最弱的是逐条溯源。想回答「这条通路在 29.0 版里是什么样」，只能靠旧版数据文件或网页存档，官方不提供对象级的变更历史。
7.3 可枚举的偏差
第一，研究热度偏差。库里有什么，取决于学界研究过什么。糖酵解、TCA 循环、氨基酸合成这些教科书通路被反复策展，细节到调控；而大量环境微生物的次要代谢只有一两条通路被记录。
第二，正向偏差。库里只记「存在」，不记「不存在」。做代谢能力判断时，缺席只能读作未知，不能读作缺失。这一点在比较两个物种的代谢差异时尤其危险。
第三，边界主观性。通路边界由策展人按惯例判断，官方明说这是启发式的。同一个生物学过程，不同策展人可能切成不同条数，跨库比较条数没有意义。
第四，覆盖不均的注释深度。酶页的字段填充率差异很大：模式酶的动力学参数齐全，冷门酶可能只有 EC 编号、一句摘要和一条引用。做参数扫描时不能假设字段齐全。
第五，命名负担。通路名带罗马数字变体（精氨酸降解 III、TCA 循环变体 II），跨库映射时容易错配。库内没有 KO 那样的跨物种功能枢纽，跨库对齐要靠 EC 编号或化合物标识间接完成。
7.4 外部验证
| 验证角度 | 外部证据 | 结论 |
|---|---|---|
| 策展准确性 | 官方报告 EcoCyc 的策展错误率约百分之一点四 | 同体系同流程，MetaCyc 可参照 |
| 原子映射可靠性 | 官方报告算法映射错误率低于百分之三 | 计算属性可用于筛选，不可当实验值 |
| 与 KEGG 的粒度差异 | 官方对照文档称 KEGG 图平均大四点二倍 | 条数不可直接比较 |
| 长期可用性 | 1996 年至今持续发版，2026 年 8 月为 30.0 版 | 停更风险低，但许可可能再变 |
| 学界采用 | 两万个派生库、被细菌基因组资源用作注释底座 | 事实上是微生物代谢注释的公共底座 |
§8 生态位与历史
8.1 历史沿革
| 时间 | 事件 |
|---|---|
| 1990 年代中期 | EcoCyc 起步，跨物种部分独立为 MetaCyc |
| 2000 年 | 核酸研究数据库专刊首次以 EcoCyc 与 MetaCyc 并列发文 |
| 2004 年 | 证据代码本体成文，四类顶层证据进入对象模型 |
| 2010 年前后 | 通路预测程序 PathoLogic 成熟，BioCyc 物种库数量开始指数增长 |
| 2017 年 | BioCyc 转向订阅制，MetaCyc 与 EcoCyc 留在免费侧 |
| 2020 年 1 月 | 核酸研究发表 2019 年更新，记为版本 23.1，通路两千七百余条、引用六万余篇 |
| 2025 年 4 月 | 版本 29.0，通路三千二百余条 |
| 2026 年 8 月 | 版本 30.0，基准通路三千三百余条、反应两万余条 |
有一件事值得单独点出：官方出版物页列出的最近一篇 MetaCyc 核酸研究论文仍是 2020 年那篇。此后六年，版本照常按季度发布，但不再有数据库专刊论文。这意味着引用规范出现了分层——方法学引 2020 年论文，规模数据只能引发布说明。很多综述把 2020 年论文里的两千七百余条通路当成现状引用，实际已经差了六百余条。
8.2 它为何能持续
通路库的可持续性取决于两件事：策展成本能不能被覆盖，以及模板价值能不能被感知。
成本这一侧，官方公开过一组对照：EcoCyc 五年期的策展成本约为每篇文献二百余美元，相对产生这些文献的科研投入不到千分之一。这个量级说明策展本身不贵，贵的是长期稳定的人力。订阅制的引入正是为了解决「经费一年一签、策展人留不住」的问题。
价值这一侧，MetaCyc 的位置很特殊：它不是一个直接被引用的库，而是两万个库的模板。使用者往往在用 BioCyc 的某个物种库时间接用到它，感知不到它的存在。这种「基础设施式」的位置让它难以靠用户呼声争取经费，也让它一旦停更，影响面远大于其自身规模。
8.3 在 AI 时代的再定位
把 MetaCyc 当作预训练语料是不合适的：三千余条通路的文本量太小，摘要字段短，且许可限制批量抓取。它更合适的角色有三个。
其一是评测基准。让模型判断「某条通路在某物种中是否存在」「某反应是否属于某通路」，答案有明确出处，可以构造需要引用证据的题目，这类题目比纯事实问答更能测出模型的溯源能力。
其二是结构化先验。做代谢网络补全或反应预测时，库里的反应式、化学计量、原子映射可以作为硬约束，把模型的输出限制在化学上说得通的范围内。
其三是对齐标尺。多个库对同一生物学过程的切分不同，这种差异本身是有信息的：可以用它来评估模型输出的粒度是否与人类策展惯例一致，而不是只比对字符串。
需要提醒的是，这三种用法都建立在「能合法拿到数据」的前提上。学术机构走 Pathway Tools 许可可以拿到，商业团队要走付费许可。把它当作开放语料来规划项目，在许可这一关就会停住。
8.4 与基因组注释管道的关系
MetaCyc 最容易被低估的价值，是它在注释管道里的位置。一个细菌基因组从测序到拿到通路注释，标准路径是：基因预测、功能注释、用 PathoLogic 比对 MetaCyc 的通路模板、生成该物种的库、人工复核。第四步的质量几乎完全由 MetaCyc 决定。
这解释了一个现象：不同机构对同一基因组给出的通路注释常有出入，原因往往不是软件版本不同，而是所用 MetaCyc 版本不同。版本 29.0 与 30.0 之间新增的通路会让同一基因组的预测结果出现可见差异。做跨研究比较时，注释所用的参考库版本应当与软件版本一同记录。
§9 使用指引
9.1 三种角色的路径
算法研究者的路径最短：先在网页上确认目标通路的对象编号，再用 Web Services 按编号取 XML，解析出反应与基因，落成边表。全程不需要装软件，但要注意限速，批量任务要么买订阅拿数据文件，要么接受慢。
生物学研究者的路径是反的：从问题出发，先在网页上搜通路名，看证据代码与引用，判断这条通路在本物种是否有实验支撑；再决定要不要用它做后续的代谢重建。这条路径的关键动作是点开烧瓶图标，看具体是哪种实验。
数据工程师的路径最重：要解决的问题是「如何把五类对象变成可查询的图」。三个要点：一是以对象编号为主键，不要用名称；二是把证据代码保留为边的属性，不要丢；三是版本与取数日期写进元数据表，否则半年后无法复现。
9.2 一条最短的可用流程
下面这条流程把 §4.6 的案例落到命令行，从零到一张可用的小表。
#-- 第一步：确认账号环境变量已设置
test -n "$BIOCYC_USER" && test -n "$BIOCYC_PASS" && echo "账号就绪"
#-- 第二步：取目标通路的完整对象
curl -s -b biocyc_cookies \
"https://websvc.biocyc.org/getxml?id=META:PWY-5162&detail=full" \
-o PWY-5162.xml
#-- 第三步：看文件里有多少个反应节点
grep -c "<Reaction " PWY-5162.xml
#-- 第四步：把 XML 解析成 反应-酶-基因 三列
import xml.etree.ElementTree as ET
tree = ET.parse("PWY-5162.xml")
root = tree.getroot()
rows = []
for rxn in root.iter("Reaction"):
rid = rxn.get("frameid")
genes = [g.get("frameid") for g in rxn.iter("Gene")]
rows.append((rid, len(genes)))
print("反应数", len(rows))
for rid, n in rows:
print(rid, "关联基因", n)
#-- 第五步：连同版本号一起存盘，保证可复现
with open("PWY-5162_edges.tsv", "w", encoding="utf-8") as f:
f.write("version\t30.0\n")
for rid, n in rows:
f.write(f"{rid}\t{n}\n")
这段代码里有两个容易被省略但必须保留的动作：detail=full 参数决定返回多少字段，漏掉会只拿到低细节视图，基因列表可能是空的；版本号写进输出文件的第一行，决定半年后这份表还能不能与网页对得上。
9.3 引用方式
引用要写到三层。第一层是方法学论文，即 2020 年那篇核酸研究数据库专刊文章，卷 48、D1 期、D445 至 D453 页。第二层是版本，写明版本号与取数日期，例如「MetaCyc 30.0，2026 年 8 月发布」。第三层是对象编号，涉及具体通路时给出 PWY 编号，让使用者能直接跳转核对。
三层缺一层都会让复现打折：只写库名，看不出用的是哪一版；只写版本不写编号，无法确认引的是哪条通路；只写编号不写版本，半年后编号可能指向已拆分的通路。
§10 AI 使用声明
| 项目 | 说明 |
|---|---|
| 本页 AI 参与程度 | 由 AI 助手依据官方页面、发布说明与策展手册起草，人工核对数字与结论 |
| 数字来源层级 | 见附录 B，官方页面为一级，论文为二级 |
| 未核实项 | 化合物数两处差异的具体成因，官方未说明 |
| 版本信息 | 以 2026 年 8 月发布的 30.0 版为准，页面读取时间为 2026 年 10 月 |
| 已知不一致 | 首页、发布说明、总览页三处通路数不同；第二级库数量两处页面差六个 |
| 适用边界 | 本文描述数据集本身的结构、规模与边界，不含对具体研究结论的评价 |
| 更新机制 | 库按季度发版，本文不承诺随版本同步刷新 |
常见误读（避坑清单）
| 常见说法 | 实际 | 证据 |
|---|---|---|
| 「MetaCyc 是免费数据库，随便下」 | 网页免费，批量数据文件需订阅，最低五千美元一年 | 官方下载页明确列出订阅门槛与例外库 |
| 「它里面有预测出来的通路」 | 一条都没有，全库通路都是实验类证据代码 | 官方策展手册写明只收实验阐明通路 |
| 「它等于人大代谢网络」 | 它是跨物种参考样本集，人的网络在 HumanCyc | 官方用户指南对第一级库的分工说明 |
| 「它的通路数和 KEGG 一样可以横比」 | 边界切法不同，KEGG 图平均大四点二倍 | 官方概念手册的对照段 |
| 「每条通路都在一个物种里完整验证过」 | 库里含嵌合通路，跨物种拼接，不在任何单一物种完整存在 | 官方概念手册第 6.4 节 |
| 「没有这条通路就说明该物种没有这个能力」 | 库里不记阴性结果，缺席只能读作未知 | 收录策略只收已阐明通路 |
| 「三条通路数里总有一个是对的」 | 三个页面三种口径，分别是宣传、增量、对象类 | 首页、发布说明、总览页并列 |
| 「引用 2020 年论文就够了」 | 那篇写的是两千七百余条，与现状差六百余条 | 论文摘要与当前发布说明对照 |
| 「酶页的动力学参数是齐全的」 | 填充率差异很大，冷门酶可能只有 EC 编号 | 酶页字段随策展深度变化 |
| 「它可以直接拿来做富集分析」 | 没有现成基因集格式，需自行按通路聚合基因 | 官方未提供 GMT 类导出 |
FAQ
Q1：MetaCyc 到底有多少条通路？
三个官方页面给三个数字：首页三千二百八十四、发布说明三千三百零五、数据总览页三千六百九十一。差异来自口径：第一处更新滞后，第二处是基准通路，第三处含超通路。引用时应写「基准通路」或「含超通路」，并注明版本。
Q2：为什么它敢说所有通路都有实验证据？
因为它不收别的。策展手册规定，通路必须发表于期刊且有实验证明才收，因此库内通路一律指派实验类证据代码。计算机预测的通路只出现在 BioCyc 派生的物种库里，那是另一层。
Q3：嵌合通路算不算违背「实验验证」？
不算违背，但需要正确理解。嵌合通路的每一个反应都有实验依据，只是这些实验来自不同物种，拼在一起的那条完整路线没有在任何单一物种中被整体验证。库里对这类通路有标注，读的时候要看分类学范围字段。
Q4：学术用户到底要不要付钱？
看用途。网页浏览免费，注册账号即可。要把完整数据文件拿到本地，需要订阅，最低一档五千美元一年。学术机构可以走 Pathway Tools 的免费许可，MetaCyc 数据随软件捆绑，但这要求装软件、签协议，且数据版本跟随软件发布。
Q5：它和 BioCyc 是什么关系？
BioCyc 是两万个物种库的集合，按策展强度分三级。MetaCyc 是第一级里的跨物种库，同时是所有物种库的通路预测模板。可以把 BioCyc 理解成一座图书馆，MetaCyc 是编目规则加一套通用参考书。
Q6：通路为什么这么短？
因为边界切在十三种通用代谢物上。策展人刻意把长路线切成可复用的片段，避免同一段反应在几十条通路里重复。要看完整路线，得用超通路或者顺着上下游链接走。这也是它与 KEGG 图幅差异的根源。
Q7：能直接用来做富集分析吗？
不能直接用。库里有通路与基因的对应关系，但没有打包成 GMT 一类的基因集格式，也没有背景集与推荐参数。要做得自己按对象编号聚合基因，并处理一个基因属于多条通路的重复计数问题，还要先解决取数许可。
Q8：更新频率如何？
按季度发版。每次发版会增加新通路、修订旧通路、更新 EC 编号与外部链接。版本号的小数位表示季度内的修补，主版本号变动通常伴随较大规模的内容调整。
Q9：为什么有的酶没有动力学参数？
因为参数来自文献，文献没测就没有。策展要求是「尽量补齐」，不是「必须齐全」。需要完整参数时应转向专门的酶学数据库，MetaCyc 只保证与通路相关的那部分尽量完整。
Q10：通路编号会变吗？
大多数情况下稳定，但通路被拆分、合并或重新归类时会变。跨版本合并数据前应先用对象编号回查一次，确认它仍指向同一生物学过程，而不是只看编号是否还存在。
术语表
| 术语 | 含义 |
|---|---|
| 通路（Pathway） | 一组有序的酶促反应，有明确起止点与分类学范围 |
| 基准通路 | 不能再细分的最小通路，超通路的组成单元 |
| 超通路 | 若干相关通路的聚合，用于展示更大片段，会重复计数 |
| 通路变体 | 目标相同但反应组成不同的通路，用罗马数字区分 |
| 嵌合通路 | 由多物种反应拼接、不在任何单一物种完整存在的通路 |
| 通路空洞 | 通路中缺少对应酶或基因的节点，策展不完整的标记 |
| 证据代码 | 标注某结论依据何种证据的受控词表，分实验、计算、作者陈述、策展人推断四类 |
| EV-EXP | 实验推断，MetaCyc 全部通路使用的一类证据代码 |
| PathoLogic | Pathway Tools 中的通路预测程序，用 MetaCyc 作模板 |
| Pathway Tools | SRI 开发的库管理与分析软件，BioCyc 全家的底座 |
| PGDB | 通路与基因组数据库，一个物种一套 |
| BioCyc | 两万个 PGDB 的集合，按策展强度分三级 |
| 通用代谢物 | 代谢网络的枢纽化合物，被用作通路边界的切点 |
| 生态位 | 一个资源在同类资源中的位置与不可替代性 |
| 富集分析 | 判断一组基因是否在某类通路中异常集中的统计方法 |
| 基因集 | 通路对应的基因清单，富集工具的输入 |
| BioPAX | 生物通路交换格式，用于跨库集成 |
| SBML | 系统生物学标记语言，用于模型交换 |
| 原子映射 | 反应物与产物原子的一一对应，用于判断路线守恒 |
| DAIMS | 数据档案与信息管理系统的评估框架，看采集、建模、溯源、治理四条线 |
附录 A：核心数字核对表
| 项 | 值 | 来源 | 来源层级 |
|---|---|---|---|
| 当前版本 | 30.0 | 发布说明 | 一级 |
| 发布日期 | 2026 年 8 月 6 日 | 发布说明 | 一级 |
| 基准通路 | 3,305 | 发布说明 | 一级 |
| 含超通路 | 3,691 | 数据总览页 | 一级 |
| 反应 | 20,367 | 发布说明 | 一级 |
| 转运反应 | 1,065 | 数据总览页 | 一级 |
| 酶 | 15,225 | 发布说明 | 一级 |
| 化合物 | 20,791 | 发布说明 | 一级 |
| 物种 | 3,556 | 发布说明 | 一级 |
| 文献引用 | 81,305 | 发布说明 | 一级 |
| EC 编号 | 6,961 | 发布说明 | 一级 |
| 教科书页对应 | 12,747 | 发布说明 | 一级 |
| BioCyc 库总数 | 20,099 | 数据库清单页 | 一级 |
| 第一级库 | 5 | 数据库清单页 | 一级 |
| 数据文件订阅门槛 | 5,000 美元/年 | 订阅页 | 一级 |
| 个人订阅 | 400 美元/年 | 订阅页 | 一级 |
| 2020 年论文通路数 | 2,749 | 论文摘要 | 二级 |
| KEGG 图幅倍数 | 4.2 倍 | 概念手册 | 一级 |
附录 B：数字的来源分层
一级：官方页面。 包括发布说明的版本统计、数据总览页的对象计数、数据库清单页的分级与总数、订阅页的价格、概念手册与策展手册的规则条款。本文所有规模数字、许可条款与结构定义都取自这一层。
二级：论文。 包括 2020 年核酸研究论文里的通路数、引用数、平均通路代谢物数与最大通路规模。这些数字反映的是版本 23.1 的状态，只能用于说明历史与方法，不能用于描述现状。
三级：未核实。 化合物数在两处页面差一百七十余个，官方未说明成因；第二级库数量两处页面差六个，应为分级调整未同步。本文并列两说，不下判断。
附录 C：完整参考文献
- Caspi R, Billington R, Keseler IM, Kothari A, Krummenacker M, Midford PE, Ong WK, Paley S, Subhraveti P, Karp PD. The MetaCyc database of metabolic pathways and enzymes — a 2019 update. Nucleic Acids Research, 2020, 48(D1): D445–D453. doi:10.1093/nar/gkz862
- MetaCyc 官方站点首页介绍段，https://metacyc.org/ ，2026 年 10 月访问。
- MetaCyc 发布说明，版本 30.0 统计与增量说明，https://metacyc.org/release-notes.shtml ，2026 年 10 月访问。
- MetaCyc 数据总览页，对象类计数，https://metacyc.org/organism-summary ，2026 年 10 月访问。
- 官方下载页，数据文件订阅门槛与例外，https://metacyc.org/download.shtml ，2026 年 10 月访问。
- 官方学术订阅页，各档价格，https://metacyc.org/non-profit-subscription.shtml ，2026 年 10 月访问。
- 官方通路与基因组数据库概念手册，通路边界、超通路、嵌合通路、证据代码，https://metacyc.org/PGDBConceptsGuide.shtml ，2026 年 10 月访问。
- 官方策展手册，证据代码指派规则与策展要求，SRI International。
- 官方 BioCyc 数据库清单，分级与总数，https://metacyc.org/biocyc-pgdb-list.shtml ，2026 年 10 月访问。
- 官方 Web Services 文档，会话建立、请求类型与频率约定，https://metacyc.org/web-services.shtml ，2026 年 10 月访问。
- 官方出版物页，MetaCyc 相关论文清单，https://metacyc.org/publications.shtml ，2026 年 10 月访问。
附录 D：如果只记五件事
第一，它是跨物种的代谢通路参考库，只收有实验证据的通路，全库通路都带实验类证据代码，这是它与所有同类库最根本的差别。
第二，规模是三千三百余条基准通路、两万余条反应、一万五千余个酶、两万余个化合物，涉及三千五百余个物种。
第三，它是 BioCyc 两万个物种库的模板，那些库由 PathoLogic 用它预测生成，预测出来的通路不在 MetaCyc 本体里。
第四，通路边界按十三种通用代谢物切，所以单条通路很短，KEGG 的图平均比它大四点二倍，两者条数不可横比。
第五，网页免费但要账号，批量数据文件需付费订阅，最低五千美元一年，商业使用一律收费。
编辑说明
本篇的核验时间为 2026 年 10 月 29 日。核验方式为直接读取 MetaCyc 官方站点的首页介绍段、发布说明、数据总览页、下载与订阅页、概念手册与 Web Services 文档，并对照 2020 年核酸研究论文摘要与正文。所有规模数字、许可条款与结构定义以官方页面为一级依据；论文数字仅用于说明历史状态与方法论取舍。
未覆盖的内容包括：化合物数在两处页面的差异成因（官方未说明）、逐条记录的策展日志（官方不公开）、以及第二级库数量在两处页面的差额（应为分级调整未同步）。任务描述中「学术免费」的说法不完全准确：网页浏览免费，但完整数据文件在学术机构同样需要付费订阅，本文已在 §5 与常见误读中按官方页面更正。
本页描述的只是数据集本身的结构、规模与边界，不涉及对任何具体研究结论的评价，也不构成使用建议的法律意见。许可条款以官方页面为准，商业使用前应直接联系 SRI International 确认。
相关数据集导航
以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：
- biocyc — 共享标签：基因组学与多组学 / 代谢组学 / 知识图谱
- metlin — 共享标签：基因组学与多组学 / 代谢组学
- mona — 共享标签：基因组学与多组学 / 代谢组学
- pharos — 共享标签：基因组学与多组学 / 知识图谱
- pride — 共享标签：基因组学与多组学 / 代谢组学
- proteomexchange — 共享标签：基因组学与多组学 / 代谢组学
- string — 共享标签：基因组学与多组学 / 知识图谱
- disgenet — 共享标签：基因组学与多组学 / 知识图谱
- open-targets — 共享标签：基因组学与多组学 / 知识图谱
- metabolights — 共享标签：基因组学与多组学 / 代谢组学
导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。
