信息速览
WikiPathways 是一个开放协作的生物通路数据库。它的立论很简单：通路知识散落在教科书、综述与研究者的脑子里，与其等一个中心化团队逐条绘制，不如把编辑入口交给整个研究社区。任何人可以在 PathVisio 里画一张通路图，提交后由社区审编，合入主库，分配一个形如 WP254 的永久编号。这个模式跑了十多年，最新一期月度版本里人类一侧接近一千条通路，全库覆盖六十余个物种，确切数字见速览表。
它与 KEGG、Reactome 的差别不在数据量，而在生产关系。KEGG 是少数专家绘制的封闭图谱，自 2011 年起对批量下载收费；Reactome 是机构组织的专家审编，每条反应都要挂上文献证据；WikiPathways 把绝大部分策展工作交给社区，代价是质量不齐、覆盖不均，回报是更新快、门槛低、可以被任何人改写。它不试图取代前两者，官方自述的定位是「补充」，并且与 Reactome 之间有内容交换安排。
理解它的关键是理解 GPML。通路在 WikiPathways 里不是一张表，而是一个图形模型：图上每个方框、每条箭头都有自己的坐标、颜色与语义标签，全部存进同一个 XML 文件。这一点决定了它能做什么——能被渲染成图、能被比对、能被语义化——也决定了它不能做什么，比如表达任何动力学参数。下面先给一屏速览，再逐层拆开。一屏速览见下表。
| 维度 | 内容 |
|---|---|
| 全称 | WikiPathways |
| 定位 | 社区众包编写与审编的开放通路数据库 |
| 维护方 | 马斯特里赫特大学等机构与 WikiPathways 基金会 |
| 首发年份 | 2008 年，发表于《Nucleic Acids Research》 |
| 最新论文 | Agrawal 等 2024，《NAR》第 52 卷 D679–D689 |
| 人类通路数 | 九百九十余条（20261010 版 GMT 与 GPML 口径） |
| 物种数 | 61 个，分脊椎动物、植物、寄生虫、无脊椎动物、真菌、细菌六组 |
| 原始格式 | GPML，基于 XML 的图形通路标记语言 |
| 图形要素 | 数据节点、交互、图形线、几何图形、标签、组、注释七类 |
| 导出格式 | GPML、GMT、SVG、PNG、RDF 五种 |
| 发布节奏 | 每月十日发布月度归档，保留最近十二个月 |
| 持久标识 | WPID 永久编号，形如 WP254；另有 Zenodo DOI |
| 程序接口 | rWikiPathways、pywikipathways、API、SPARQL 端点 |
| 许可证 | 以 CC0 1.0 公有领域奉献为主 |
| 明确不含 | 反应动力学参数、观测数据、个体临床信息 |
§1 它要解决的具体麻烦
1.1 通路图的所有者是谁
生物通路图的处境有些特殊。一张肾上腺素信号通路图可能先出现在某本教科书的第二章，被后续几十篇综述反复重画，每个作者都按自己的理解增删几个节点，到第三代时已经没人说得清哪个版本是「标准版」。中心化数据库的做法是由一个团队裁定标准版，代价是裁定速度永远追不上新发现的积累速度。
WikiPathways 的选择是把所有权交给社区。它沿用维基百科的组织方式：每个页面有编辑历史，每处改动署名，任何注册用户可提议修改，社区志愿者负责审编。官方关于页把这一点写得很直白：这套办法把同行评审、编辑审查与维护的大部分工作转移到社区身上。
这个选择的后果是双面的。好处是冷门领域也有人写，比如某种植物的次生代谢或者某个罕见病的信号链，中心化团队排不进优先队列的题目，在社区里可能一两年就有人画出来。代价是没有人对「全库的整体覆盖」负责，也就是说不能期待某个疾病领域一定有通路，也不能期待已存在的通路一定被维护。
1.2 通路需要的不是更多条目，而是可计算的表示
通路数据库的第二个麻烦是表示。同样一条通路，以图片形式发布对人类读者最友好，以表格形式发布对富集分析最友好，以图结构形式发布对网络分析最友好，以本体三元组形式发布知识整合最友好。多数数据库只做其中一两种。
WikiPathways 的做法是选定一种能派生出其余全部的母格式，也就是 GPML。GPML 把通路图拆成要素：每个参与者是一个数据节点，每条箭头是一条交互，每个方框都有坐标。有了坐标，程序就能把模型重新渲染成 SVG 或 PNG；有了数据节点的外部标识，就能把模型导出成基因集；有了 XML 结构，就能转换成 RDF 三元组。这种「一个母格式长出多种导出」的设计，是它能够同时服务绘图用户与计算用户的技术前提。
1.3 三条常见的错误期待
| 常见期待 | 实际情况 |
|---|---|
| 以为它是 KEGG 的免费平替，通路定义一一对应 | 两者的通路边界由不同的人划定，同一生物学过程常常被切成不同的粒度 |
| 以为 wiki 模式意味着没有门槛 | 有审编流程与标识规范，只是审编者从专职编辑换成了志愿者 |
| 以为拿到 GPML 就等于拿到通路数据 | GPML 是一张图的完整描述，含大量只为渲染服务的坐标与样式，直接解析要先做一层剥离 |
1.4 它能给到的与给不到的
| 你的需求 | 它给的 | 够不够 |
|---|---|---|
| 一张能放进论文的机制示意图 | SVG 与 PNG 导出，且可溯源到版本 | 够，这是它的常见用法 |
| 一份用于富集分析的基因集 | GMT 导出，按物种分文件 | 够，但要自己定阈值 |
| 能被程序解析的通路拓扑 | GPML 中的数据节点与交互，含方向 | 够，需自行清洗 |
| 通路与疾病、细胞类型的关联 | 注释层的本体术语 | 部分够，注释覆盖不完整 |
| 反应速率、平衡常数、动力学模型 | 无，整库不含任何参数 | 不够，需转向 BioModels 一类资源 |
| 某次实验中的通路活性 | 无，这是示意图不是测量值 | 不够，需用自己的数据做投影 |
| 经过专家逐条文献核验的通路 | 大部分通路由作者自证，无强制文献要求 | 不够，需转向 Reactome |
| 长期稳定的接口 | 旧网页服务已退役，接口正在迁移 | 部分够，归档文件最稳 |
1.5 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 |
|---|---|---|
| 要做某个植物或非模式生物的通路分析，KEGG 覆盖太少 | 61 个物种里包含大量植物与细菌 | 先按物种查有没有对应通路，再决定是否自建 |
| 需要在论文里画一张带基因名的机制图 | 现成 SVG，可编辑，带版本与作者 | 下载 SVG，按自己的数据改色，引用时写 WPID 与版本 |
| 有一份差异基因列表，想看看落在哪些通路 | GMT 加富集工具即可 | 用 rWikiPathways 取 GMT，做超几何或 GSEA |
| 想找某个通路的权威版本 | 它给的是社区当前共识版 | 同时对照 Reactome 或 KEGG 的同名通路 |
| 想研究代谢流与酶动力学 | 通路图里有代谢物节点，但没有速率 | 转向带动力学模型的资源 |
| 想做一个自己团队私有的通路库 | 可以自建条目并留在社区版里 | 注意社区版是公开的，敏感内容不要提交 |
1.6 一句话判断
如果你要的是一张可以引用、可以改、可以导出的通路图，或者一份覆盖冷门物种的基因集，WikiPathways 是当前最方便的选择；如果你要的是每条反应都有文献背书、每个数字都可审计的通路知识，它给不了这个保证。
1.7 不适合谁：四条边界
第一，不适合把通路数据库当成动力学模型库的人。GPML 描述的是「谁和谁有关系、箭头朝哪边」，不描述「多快、多强、可逆与否」。通路中的酶与底物在模型里是平等的数据节点，没有化学计量比，也没有速率常数。
第二，不适合要求全面覆盖的人。物种数听着多，但多数物种只有个位数的通路，人类这一侧的总条数也不足千条，无法覆盖全部已知生物学过程。某个具体疾病有没有通路，只能一条一条查，不能假设。
第三，不适合把 wiki 内容当作已审结论的人。它不承诺同行评审，通路页上的作者列表就是责任链的终点。临床上或药物研发中需要引用的通路，应当先看修订历史与外部引用记录。
第四，不适合依赖固定接口的工程团队。系统正在从古典维基迁往 GitHub 存储，官方明确警告旧网页服务已退役。任何基于旧接口的生产系统都需要重新对接。
§2 数据构成与规格
2.1 三层产物：归档、导出、接口
WikiPathways 的内容对外呈现为三个层次，混在一起谈容易出错。
第一层是原始模型，即 GPML 文件。每条通路一个文件，文件名以物种前缀、通路名、WPID 与日期拼接，例如 Mm_ACE_inhibitor_pathway_WP396_20210514.gpml。文件名里的日期是该通路最后一次修订的日期，不是发布版本日期，这一点在批量处理时很容易混淆。
第二层是派生导出，由 GPML 批量转换而来。GMT 是给富集分析用的扁平基因集，SVG 与 PNG 是给人类看的图，RDF 是给语义查询用的三元组。这些导出不携带 GPML 里全部的几何信息，也不携带全部注释。
第三层是接口，包括 R 包、Python 包、REST 接口与 SPARQL 端点。这一层是对前两层的封装，本身不产生新数据。
2.2 下载目录的组织方式
下载站点 data.wikipathways.org 是一个静态文件目录，根目录下是若干版本文件夹，命名规则为八位日期。current 是一个指向最新版本的目录，另有以日期命名的历史版本，站点声明保留最近十二个月。
进入某一版本后，第一层按格式分目录：gpml、gmt、svg、rdf。第二层按物种分文件。GPML 与 SVG 两种格式按物种打包成 zip，各含 41 个物种档案；GMT 按物种给出单个文本文件，共 18 个；RDF 不按物种切分，而是给出全库的三个压缩包。
| 目录 | 组织粒度 | 文件数 | 说明 |
|---|---|---|---|
gpml/ |
每物种一个 zip | 41 | 原始模型，最完整 |
svg/ |
每物种一个 zip | 41 | 渲染后的矢量图 |
gmt/ |
每物种一个文本 | 18 | 基因集，富集分析用 |
rdf/ |
全库一个 zip | 3 | 语义三元组，含作者表与全库模型 |
物种数在格式之间不一致，这不是错误。GMT 只对基因标识体系明确的物种生成，因此只覆盖 18 个；GPML 与 SVG 则对全部 41 个有通路的物种打包。
2.3 物种的分组
官方物种浏览页把 61 个物种分成六组，分组反映的是贡献者社区的组织方式，不是分类学严格划分。
| 分组 | 物种数 | 代表物种 | 特点 |
|---|---|---|---|
| 脊椎动物 | 11 | 人、小鼠、大鼠、牛、狗、斑马鱼 | 通路数量主要集中在这一组 |
| 植物 | 16 | 拟南芥、水稻、玉米、大麦、番茄 | 多为作物与模式植物，由农业方向社区推动 |
| 细菌 | 6 | 大肠杆菌、枯草芽孢杆菌、结核分枝杆菌 | 通路较少，多与代谢相关 |
| 无脊椎动物 | 6 | 果蝇、线虫、蚊子、家蚕 | 部分来自社区协作项目 |
| 真菌 | 2 | 酿酒酵母、禾谷镰刀菌 | 酵母通路相对完整 |
| 寄生虫 | 1 | 恶性疟原虫 | 单物种，数量有限 |
这里有一处需要注意的不一致：.zip 打包文件有 41 个，物种浏览页列出 61 个。差额主要来自只存在于网页、尚未进入月度归档的物种条目，以及在归档中沿用旧物种名而未合并的历史文件。处理时应当以归档文件为准做实际清点。
2.4 一条通路的完整解剖
取一条具体通路，看它在两种视图里的样子。以小鼠的 ACE 抑制剂通路为例，WPID 为 WP396，修订号 r116828，文件名日期为 20210514。
在 GPML 视图里，它是一个 XML 文档，根元素是 Pathway，带 Name、Data-Source、Version、Author、Last-Modified、Organism 等属性。其下是若干顶级子元素，每一类承担不同职责：
| 元素 | 数量级 | 作用 |
|---|---|---|
DataNode |
每通路数十个 | 通路上的参与者：基因产物、蛋白、代谢物、RNA、被引用的子通路 |
Interaction |
与 DataNode 同量级 | 带箭头的连线，描述激活、抑制、结合、转运等关系 |
GraphicalLine |
少量 | 不带箭头语义的连线，常用于代谢反应的连接 |
Graphic 类 |
每通路数十个 | Shape、Label、Group 等纯装饰或分组元素 |
Comment |
不定 | 通路的文字说明、文献来源、引用 |
BiopaxRef |
不定 | 指向 BioPAX 模型的引用，供语义转换使用 |
一个数据节点在文件里的样子如下。
#-- 摘自小鼠 WP396 的第一个数据节点，字段原样保留
<DataNode TextLabel="Ace" GraphId="a36" Type="GeneProduct">
<Attribute Key="org.pathvisio.model.BackpageHead"
Value="Ace | angiotensin converting enzyme" />
<Graphics CenterX="108.0" CenterY="299.6666666666667"
Width="60.0" Height="20.0" ZOrder="32768"
FontSize="10" Valign="Middle" />
<Xref Database="Entrez Gene" ID="11421" />
</DataNode>
三件事在这个片段的几十个字符里已经交代完：它叫什么、画在画布上的哪个位置、对应哪个外部数据库记录。第一条让人类读懂，第二条让程序能还原图形，第三条让程序能连接到基因注释。
同一条通路在 GMT 视图里只有一行：
#-- GMT 是制表符分隔的单行，首列是集合名，其后是成员标识
Glutathione metabolism%WikiPathways_20261010%WP100%Homo sapiens https://www.wikipathways.org/instance/WP100 2687 2678 2876 2936 290
两种视图描述同一件事，但粒度差了两个数量级。GPML 里的几百个几何参数在 GMT 里全部消失，只留下基因标识。这正是为什么做富集时用 GMT、做图形分析时必须回到 GPML。
2.5 四层结构：节点、交互、图形、注释
把 GPML 的元素按职责归并，可以归纳为四层。这个划分是理解 WikiPathways 与一般通路表差别的最小知识。
第一层是数据节点层。它回答「图上有哪些参与者」。节点的类型属性区分基因产物、蛋白、代谢物、RNA 与被引用通路。在 2026 年 10 月版的小鼠归档中，基因产物类型出现一万二千八百余次，代谢物类型出现二千一百余次，蛋白类型五百九十次，通路引用类型一百五十八次，RNA 类型二百余次。这些计数是直接统计 XML 属性得到的，不是官方公布的分类。
第二层是交互层。它回答「谁影响谁、朝哪个方向」。交互以 Interaction 元素表示，内含若干 Point，其中至少一个带 ArrowHead 属性表示箭头。箭头指代的是图形语义，具体是激活还是抑制，需要结合 LineStyle 与颜色判断，而不是靠一个单独的语义字段。这是 GPML 一个常被低估的复杂性：方向明确，语义隐含。
第三层是图形层。它回答「画在哪里、长什么样」。每个节点与交互都携带坐标、宽高、字体大小、线宽、颜色与层序。这一层对生物学分析毫无用处，对还原图片却是必需的。批量处理时，最省事的做法是先把这一层整体剥离，只留节点与交互。
第四层是注释层。它回答「这条通路在生物学上属于什么」。注释以本体术语的形式关联到通路或节点，标注疾病、细胞类型、通路类型等。这一层是社区近年重点补充的部分，也是它与语义网资源对接的接口。
2.6 规模的量化：一次清点
把两栖动物式的模糊说法换成具体数字。下表是 20261010 月度版本的直接清点结果。
| 项目 | 数值 | 清点方式 |
|---|---|---|
| 人类通路数 | 见速览表 | 人类 GMT 文件行数，与 GPML 档案条目数一致 |
| 小鼠通路数 | 214 条 | 小鼠 GPML 压缩包内文件数 |
| 大鼠通路数 | 129 条 | 大鼠 GPML 压缩包内文件数 |
| 物种数 | 61 个 | 官方物种浏览页分组计数 |
| GPML 打包物种数 | 41 个 | 归档目录中的 zip 文件数 |
| GMT 物种文件数 | 18 个 | 归档目录中的 gmt 文件数 |
| 小鼠数据节点总数 | 一万六千余个 | 逐文件统计 DataNode 元素 |
| 小鼠交互总数 | 一万七千余个 | 逐文件统计 Interaction 元素 |
| 小鼠含注释的通路 | 1 条 | 逐文件检索注释元素 |
最后一行值得多看一眼。两百多条小鼠通路里，只有一条携带本体注释元素。这说明注释层的实际覆盖远低于宣传层面的印象，使用时不能假设注释普遍存在。人类一侧的情况可能更好，但没有逐条核实之前不应给出具体比例。
2.7 与同类资源的字段差异
同为通路数据库，三家的字段侧重差别很大。
| 维度 | WikiPathways | KEGG | Reactome |
|---|---|---|---|
| 编写主体 | 社区志愿者与领域作者 | 京都大学专职团队 | 机构组织的领域专家 |
| 原始格式 | GPML（图形模型） | KGML（图形模型） | 关系数据库加 BioPAX |
| 图形与语义关系 | 图形为主，语义由属性承载 | 图形为主，语义由 KO 编号承载 | 语义为主，图形由语义派生 |
| 反应证据要求 | 无强制要求 | 无逐条引用要求 | 每条反应需文献支持 |
| 收费情况 | 免费，CC0 为主 | 网页免费，批量下载自 2011 年起收费 | 免费，CC0 与 CC BY 双许可 |
| 物种广度 | 61 个，植物与细菌较多 | 覆盖极广的基因组集合 | 以人类为核心，正交投影至十余个物种 |
| 更新节奏 | 每月十日 | 不定期，近年较频繁 | 每季度 |
| 富集用导出 | GMT 按物种 | 需自行从 KGML 转 | GMT 与关系表 |
一句话概括三家的分工：KEGG 给的是大规模基因组范围内的统一功能目录，Reactome 给的是逐条可追溯的分子反应，WikiPathways 给的是社区当前共识下的图形化通路。同一个生物学过程在三家里的边界常常不同，做富集时混用会引入不可比较的偏差。
§3 它的身份：谁在写，对谁负责
3.1 三个名称，一套编号
WikiPathways 这个名称本身就是定位声明：wiki 部分是方法论，pathways 部分是对象。它在文献中的简称是 WP，在代码里是 wikipathways，R 包叫 rWikiPathways，Python 包叫 pywikipathways。
编号体系是它能够被引用的基础。每条通路有一个 WPID，形如 WP254，数字分配后永不复用；同一通路每次修订递增一个修订号，文件名里可以看到 WP396 与修订号并存。官方推荐的引用方式是直接引永久链接 https://www.wikipathways.org/instance/WP254，这样即使通路内容后来被改，引用指向仍然有效，并能显示最新版本。
3.2 维护方与协作结构
维护主体是马斯特里赫特大学的生物信息学团队，配合 WikiPathways 基金会的治理，以及若干合作机构提供的基础设施。官方在关于页列出两位架构负责人，说明项目的技术决策集中在少数人手上，而内容决策分散在社区。
这种「技术集中、内容分散」的结构决定了它的演化方式。平台层面的改动（比如从古典维基迁往 GitHub）由核心团队决定，一次性推进；内容层面的变化则是渐进、零散、无统一规划的。理解了这一点，就能理解为什么它的接口会突然退役，而通路条目却一年年缓慢增长。
3.3 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 |
|---|---|---|
| 通路作者 | 提供编辑工具、修订历史与永久链接 | 不核验作者的专业资质 |
| 通路上游的文献 | 页面列出参考文献供读者核查 | 不要求每条交互都对应一篇文献 |
| 下游使用者 | 保证 WPID 与月度版本稳定可追溯 | 不保证内容正确，也不保证覆盖完整 |
把三条摆在一起，能提炼出一条使用准则：把 WikiPathways 当作「一个可版本化的社区知识快照」，不要当作「一份经过审核的标准答案」。它不给你每条记录的置信度，它给你的是作者名单与时间戳。
3.4 坐标系的三根轴
WikiPathways 建立的坐标系有三根轴：通路轴、物种轴、时间轴。
通路轴由 WPID 定义。同一个生物学过程在不同物种下可能是不同 WPID，因此不能假设一个 WPID 在多个物种下通用。跨物种比较必须先确认编号是否共用。
物种轴由拉丁学名定义。归档文件名用下划线连接的拉丁名，网页用俗名，两者需要映射。例如网页写「Human」，文件夹写 Homo_sapiens。
时间轴由月度版本号定义。每月十日的包是快照，current 指向最新一期。任何可复现的分析都应当把版本号写死，而不是依赖 current。
§4 它的手艺：一个 XML 格式如何长出五种出口
4.1 为什么是 GPML 而不是表格
多数通路数据库从表格起步：一行一个基因，一列一个通路，或反过来。表格对统计友好，对画图无能。WikiPathways 的起点是画图，因此它需要一个能同时表达几何与语义的格式。
GPML 的选择体现了这个优先级。它的根元素是 Pathway，其下的 Graphics 元素记录画布宽高，DataNode 带 Graphics 子元素记录中心坐标，Interaction 的 Point 记录每个拐点位置。这些信息对统计分析毫无意义，但对「把这张图原样画出来」是必需的。
反过来，语义信息在这套格式里是属性而不是结构。一个节点是「激活」下一步，靠的是箭头与颜色，而不是一个 type="activation" 字段。这种设计让绘图工具上手容易，让程序解析变难，读者在使用时要有心理准备。
4.2 从 GPML 到 GMT：基因集是怎么抽出来的
GMT 导出的本质是一次降维：把所有几何信息丢掉，只保留数据节点里的基因标识，按通路聚合成一行。
抽出的规则大致是：遍历 GPML 里的数据节点，取其 Xref 中数据库为 Entrez Gene 的标识；同一通路内去重；按物种生成对应文件。因为代谢物没有 Entrez 标识，所以在 GMT 里只保留基因产物，代谢物节点在这个过程中被自然过滤掉。
这就解释了为什么用 GMT 做富集时，代谢类通路的基因数会显得偏少。不是通路画得不对，而是导出规则的必然结果。要保留代谢物，只能回到 GPML 自行处理。
4.3 从 GPML 到 SVG：图形是怎样复现的
SVG 导出走的是另一条路：解析每个元素的坐标与样式，逐元素输出矢量图元。方框输出为 rect，文字输出为 text，连线输出为 path 或 polyline。
这一路的关键在于坐标系换算。GPML 画布的原点在左上角，尺寸由 Graphics 的 BoardWidth 与 BoardHeight 给出；SVG 的视口需要按此设置，否则图形会被裁切或留白。实践中常见的问题是字体缺失导致文字错位，因为 GPML 只记字号不记字体文件。
4.4 从 GPML 到 RDF：语义化这一步做了什么
RDF 导出是整个体系里最容易被忽视、也最有前瞻性的部分。它把通路模型翻译成三元组：一条通路是一个资源，它的作者、物种、所属社区、被引文献都是指向其他资源的谓词；每个数据节点与交互同样成为独立资源，并带有指向外部标识的 sameAs 关系。
有了这一层，就可以用 SPARQL 做跨库查询，例如「找出所有被某个疾病本体术语注释过、且属于某个作者社区的通路」。官方专门维护了一个 RDF 模型的说明页，并提供公开的查询端点。这一层也是它与其他语义资源对接的接口，包括与 Wikidata 的双向链接。
转换的代价是信息损失。图形层的坐标与样式在 RDF 里没有对应表达，因此 RDF 版本不能用来还原图片。反过来说，想查图就只能回到 GPML 或 SVG。
4.5 一个贯穿案例：从 WPID 到可用基因集
用一个可运行的小例子把上面几步串起来，这个例子在后面几节会反复用到。假设研究者关心「谷胱甘肽代谢」这条人类通路，编号 WP100。
#-- 用 pywikipathways 按 WPID 取通路信息与基因集
#-- 先安装：pip install pywikipathways
import pywikipathways as pwpw
gpml = pwpw.get_pathway("WP100", "Homo sapiens", "gpml")
print(len(gpml), "字符的 GPML 文本")
genes = pwpw.read_pathway("WP100", "Homo sapiens")
print("基因数：", len(genes))
print(genes[:5])
这个案例在后面的取数路径与使用指引里还会被用到，届时它会被拆成三条不同的取法。它说明一件事：WPID 是唯一可靠的入口，通路名会重名、会改，编号不会。
4.6 月度归档的生产流程
月度版本不是「每月重新生成全部内容」，而是「每月打一次快照」。社区提交的修订实时进入主库，到了十号，打包脚本把当时的状态凝固成一个版本目录，连同四种格式一起发布到静态站点。
这种做法的好处是简单、可镜像、无需数据库连接就能取数；代价是粒度粗，一个月之内的改动对外不可见，除非直接查网页。对于需要精确复现的分析，月度版本反而是更合适的口径，因为它是一个确定的、不可变的快照。
§5 取数：四条路径与它们的取舍
5.1 四条路径的对比
把 §4.5 的案例拆成四种取法，能看清每条路径的边界在哪里。取的对象不变，仍是编号 WP100 的谷胱甘肽代谢通路。
| 路径 | 适合的人 | 优点 | 边界 |
|---|---|---|---|
| 月度归档直下 | 需要离线与可复现的人 | 离线、快、有明确版本 | 只到物种粒度，不能按需取单条 |
| 网页单条下载 | 只要一两条通路的人 | 可选择 GPML、SVG、PNG 等格式 | 手工，不适合批量 |
| R / Python 包 | 做分析流水线的人 | 函数式调用，集成方便 | 依赖网络与接口稳定性 |
| SPARQL 端点 | 做知识整合与语义查询的人 | 跨维度组合查询 | 只能查 RDF 里有的内容，无图形 |
四条路径背后是同一批内容，区别只在「取全量」还是「按需取」。做生产系统时，最稳的是归档直下加本地索引，最脆的是依赖网页接口。
5.2 直接下载归档
归档下载是最不依赖中间层的方式。文件名有固定模式：wikipathways-<版本日期>-<格式>-<物种拉丁名>.zip，版本日期为八位数字。
#-- 下载最新一版人类 GPML 归档，并核对条数
BASE=https://data.wikipathways.org/current
curl -fsSL -o hs.zip "$BASE/gpml/wikipathways-20261010-gpml-Homo_sapiens.zip"
unzip -l hs.zip | grep -c '\.gpml$'
#-- 下载人类 GMT，行数即通路数
curl -fsSL -o hs.gmt "$BASE/gmt/wikipathways-20261010-gmt-Homo_sapiens.gmt"
wc -l hs.gmt
这两个数字应当一致：GPML 条目数与 GMT 行数都等于该物种在当前版本的通路数。不一致就说明归档有问题，值得记录。
5.3 用 R 取数
R 一侧的官方封装是 rWikiPathways，它把归档下载、按物种取 GMT、按 WPID 取 GPML 都包成了函数。
#-- 用 rWikiPathways 取人类 GMT 并查看通路规模
#-- 先安装：BiocManager::install("rWikiPathways")
library(rWikiPathways)
gmt <- readPathwayGMT(downloadPathwayArchive(organism = "Homo sapiens",
format = "gmt"))
sizes <- vapply(gmt, length, integer(1))
summary(sizes)
summary 的结果会显示极小与极大的通路同时存在，这是设置富集阈值的依据：不做上下限过滤，超几何检验会在大通路上给出虚高的显著性。
5.4 用 Python 取数
Python 一侧是 pywikipathways，接口设计与 R 包对齐，主要函数是按 WPID 取模型、按物种取基因集、按关键词检索。
#-- 检索含特定关键词的通路，并列出其 WPID
import pywikipathways as pwpw
hits = pwpw.find_pathways_by_text("apoptosis", "Homo sapiens")
print(len(hits))
for h in hits[:5]:
print(h)
检索走的是文本匹配，不是本体扩展，因此同义词不会被自动命中。做系统化检索时，应准备一组同义词分别查，再取并集。
5.5 用 SPARQL 做跨维查询
需要按「物种 + 社区 + 本体注释」这类组合条件筛选时，SPARQL 比其他路径更直接。官方提供公开端点，查询返回通路及其属性。
#-- 用 SPARQL 查人类通路与其注释，跨维度组合比逐个文件扫更快
import requests
q = """
PREFIX wp: <http://vocabularies.wikipathways.org/wp#>
SELECT ?pathway ?name WHERE {
?pathway a wp:Pathway ;
wp:organismName "Homo sapiens" ;
dc:title ?name .
} LIMIT 20
"""
r = requests.get("https://sparql.wikipathways.org/sparql",
params={"query": q, "format": "json"}, timeout=60)
for b in r.json()["results"]["bindings"]:
print(b["pathway"]["value"], b["name"]["value"])
端点可用性随迁移进度变化，跑之前先确认官方是否已换地址。这一点在 2026 年下半年尤其重要，因为新旧系统正在并行过渡。
5.6 归档的三个坑
第一，文件名里的日期不是版本日期。WP396_20210514 的 20210514 是这条通路最后一次修订的日子，与打包版本无关。按文件名日期做「新近度」判断是可以的，按它做版本判断会错。
第二，物种数量在格式之间不一致。GMT 只有 18 个物种文件，GPML 有 41 个。写「WikiPathways 有 41 个物种」时，必须说明指的是哪种格式的口径。
第三，current 会变。任何需要复现的分析都应写死版本目录名，并在分析记录里注明下载日期。
§6 与库内条目的关系
6.1 关系图谱
WikiPathways 在通路知识生态里的位置，可以理解为「第三块拼图」。KEGG 覆盖广、口径统一、收费；Reactome 深、可追溯、机构化；WikiPathways 开放、图形化、社区驱动。
| 库内相关词条 | 与本词条的关系 | 一句话区隔 |
|---|---|---|
| KEGG | 最常被放在一起比较的同侪 | KEGG 是专家绘制的封闭功能目录，批量下载收费；WikiPathways 是社区编辑的开放图形库 |
| Reactome | 同侪，且有正式的内容交换安排 | Reactome 每条反应带文献证据，以语义模型为主；WikiPathways 以图形模型为主，不强制引用 |
| OmniPath | 下游聚合者 | 它汇集多条来源的相互作用，可能包含 WikiPathways 通路中的关系 |
| Pathway Commons | 下游聚合者 | 以 BioPAX 汇总多家通路，WikiPathways 是其中来源之一 |
| GO 基因本体 | 侧向资源，注释层的中枢 | GO 给术语，WikiPathways 给图形；两者通过注释与富集分析连接 |
| STRING | 侧向资源，互作网络 | STRING 给蛋白互作打分，不给通路图 |
| BioModels | 互补资源 | 那里有动力学模型，这里只有静态图，需要动力学时应转去那边 |
6.2 与 KEGG 的逐项区隔
KEGG 与 WikiPathways 最容易被混用，因此值得逐项写清。
| 对比项 | WikiPathways | KEGG | 对使用者的实际影响 |
|---|---|---|---|
| 一句话定位 | 社区共识的可编辑通路图 | 专家裁定的功能知识目录 | 前者跟人走，后者跟图谱走 |
| 通路数量级 | 人类不足千条 | 全库数千条，跨数百个基因组 | 做富集时 KEGG 的基因集更多 |
| 覆盖广度 | 61 个物种，植物细菌较多 | 覆盖极广 | 非模式生物上各有覆盖，需按物种逐个比对 |
| 更新方式 | 每月整包 | 不定期增量 | WikiPathways 的时间戳更清楚 |
| 图形格式 | GPML | KGML | 两者都是 XML，但元素与语义不兼容 |
| 收费 | 免费 | 批量下载需订阅 | 商业环境下 WikiPathways 门槛更低 |
| 通关道与基因的映射 | 直接挂在通路的 Entrez 标识 | 经 KO 编号间接映射 | KEGG 的跨物种映射更统一，WikiPathways 更直接但更依赖物种 |
6.3 与 Reactome 的分工
Reactome 是本库里成熟度更高的通路词条，两者关系更近，也更容易混淆。
| 对比项 | WikiPathways | Reactome |
|---|---|---|
| 构建模式 | 社区提交，志愿者审编 | 专家撰写，编辑团队核验 |
| 最小单元 | 数据节点与交互 | 反应，含输入输出与催化剂 |
| 证据要求 | 无强制 | 每条反应挂文献 |
| 图形来源 | 先有图，语义附属 | 先有反应，图由自动布局生成 |
| 物种扩展 | 各自独立绘制 | 以人类为核心做正交投影 |
| 交换机制 | 官方提供 Reactome 通路的 GPML 与 RDF 下载 | 对应地接收 WikiPathways 内容 |
最后一行是两个项目之间少见的正式协作：WikiPathways 官方下载页直接给出 Reactome 通路的 GPML 版本仓库地址，这意味着做一次「两库通吃」的通路分析在技术上可行，但需要先统一通路编号，不能简单合并基因集。
6.4 检索路径
| 你的问题 | 该去哪个词条或入口 | 理由 |
|---|---|---|
| 想要一份免费、可改、带图的通路库 | 本词条 | 这是它唯一的设计目标 |
| 想要最大覆盖的功能基因集 | KEGG 词条 | 通路数与基因组覆盖更广 |
| 想要每条反应都有文献证据 | Reactome 词条 | 那边强制要求证据 |
| 想要通路动力学模型 | BioModels | 这里没有任何参数 |
| 想要蛋白互作打分网络 | STRING | 这里只有通路骨架 |
| 想要统一的跨库互作 | OmniPath、Pathway Commons | 它们是聚合层，可覆盖三家 |
| 想要本体术语 | GO 词条 | 注释层依赖本体，但本体不在这里 |
§7 质量评估与局限性
7.0 评估前必须换一把尺子
评估 WikiPathways 时最容易犯的错误，是拿评估策展数据库的标准来量它：问它文献证据覆盖率多少、专家审核比例多少、注释完整率多少。这些指标上它必然落后 Reactome，因为它的设计从一开始就不承担这些工作。
正确的评估框架是：在「让一个分散的研究社区能够持续生产、维护、复用通路图」这个任务上，它的成本、门槛与开放性如何，以及这些优势换来了哪些不可逆的损失。把这一点校正过来，下面每一项扣分才不会被读成「它没做好」。
7.1 五维评分
| 维度 | 分数 | 依据 |
|---|---|---|
| 规模 | 3 / 5 | 人类不足千条，显著少于 KEGG 与 Reactome，但物种广度有特色 |
| 一致性 | 3 / 5 | 格式统一、编号统一，但内容风格与完成度因作者而异 |
| 可用性 | 5 / 5 | 四种导出加两个官方包，取数路径清晰 |
| 可追溯性 | 4 / 5 | 每处修订可查、有作者署名与永久链接，但无逐条证据 |
| 注释质量 | 2 / 5 | 注释层覆盖稀疏，小鼠归档中仅一条通路含注释 |
7.2 DAIMS 视角下的四条线
| DAIMS 线 | 表现 |
|---|---|
| 数据获取与处理 | 编辑流程公开，工具开源，但生成脚本不在文档主路径上 |
| 数据建模 | GPML 模型清晰，四层要素职责分明；弱点在语义未结构化 |
| 数据溯源 | 修订历史、作者表与永久链接齐备，粒度到单条通路 |
| 数据使用与治理 | 许可清晰，社区治理有成文规则；弱点是依赖志愿者供给 |
四条线里最强的是溯源，最弱的是注释。这个组合不难理解：溯源是平台功能，有工具就能做好；注释是内容工作，要靠人力。
7.3 已知的、可枚举的局限
第一，覆盖不均。物种之间有数量级差距，人类与小鼠占绝大多数通路，其余物种往往只有几条。同一物种内部，热门疾病领域与冷门领域的条数差距同样悬殊。
第二，内容质量随作者波动。同一条通路，可能由一个深耕该领域二十年的专家绘制，也可能由一个研究生在课程作业里完成。平台不区分这两种情况，只在作者列表里按贡献排序。
第三，语义表达粗。交互的类型靠图形属性承载，没有强制枚举值。做自动推理时，必须先把颜色与线型映射成语义，而这个映射不在格式规范里，需要自己定。
第四，注释稀疏。前面清点过，归档的小鼠通路中只有一条带本体注释元素。这意味着基于注释的筛选在这个库里能捞到的样本很有限。
第五，迁移期的接口风险。系统正在从古典维基迁往 GitHub，官方公告称旧网页服务已退役。过渡期内，接口的可用性、地址与返回格式都可能变化。
7.4 外部验证的角度
| 验证角度 | 证据 | 结论 |
|---|---|---|
| 学术认可 | 自 2008 年起在《NAR》持续发表数据库专文，最新为 2024 年版 | 长期在册，非短期项目 |
| 被用作分析基准 | 常见富集工具收录其 GMT | 已是通路分析的标准来源之一 |
| 与同业的关系 | 官方与 Reactome 之间有内容交换 | 被同业承认为互补而非重复 |
| 社区活跃度 | 官网设有周度审编者栏目与作者榜 | 仍有稳定的志愿者供给 |
| 长期存续 | 有一套完整的迁移计划而非停运 | 停更风险较低，但过渡期有摩擦 |
7.5 它为何能持续：把边际成本压到近乎为零
一个众包项目能不能活下来，取决于两件事：写一条新条目的成本是否低到有人愿意写，读一条已有条目的价值是否大到有人愿意用。
WikiPathways 在这两点上都做到了。绘图工具是免费的桌面软件，画一张图的学习曲线以小时计；平台不要求作者提供文献证据，把提交门槛降到最低；月度打包是全自动的，运维成本随内容量线性增长而不是指数增长。它靠的不是审编质量，而是极低的参与成本与零收费的分发。
这套逻辑的脆弱处也很清楚：它依赖志愿者的持续供给。一旦某个领域的活跃作者退出，相关通路就会停在某个日期，文件名里的时间戳会一直不动。前面清点中看到的那些 2016 年、2021 年的旧文件，就是这种机制的可见痕迹。
§8 生态位与历史
8.1 历史沿革
| 时间 | 事件 |
|---|---|
| 2008 年 | 项目启动，首篇数据库论文发表于《NAR》 |
| 2012 年 | 发表以「建立研究社区」为主题的数据库专文 |
| 2016 年 | 发表「捕捉通路知识全貌」主题论文，物种与社区开始扩张 |
| 2018 年 | 发表「连接代谢组学与其他组学」主题论文 |
| 2021 年 | 发表「连接社区」论文，强调社区协作与外部资源对接 |
| 2022 年 | 发表语义化与协调化方向的方法学论文 |
| 2024 年 | 发表「下一代通路数据库」论文，宣布架构重构与站点重设计 |
| 2026 年 | 古典维基站点与旧网页服务退役，整体迁往 GitHub 存储 |
从这条时间线能读出两件事。其一是主题的迁移：早期论文讲「我们建了一个 wiki」，中期讲「我们有了社区」，近年讲「我们要重构架构」，反映项目从内容生产阶段进入了可持续性维护阶段。其二是技术债的偿还：2012 年选的维基引擎在十多年后成了瓶颈，迁移是必然的，代价是一段接口不稳定期。
8.2 三块拼图的形成
通路数据库的格局在过去二十年里逐步定型为三块拼图。KEGG 立得最早，1995 年起以功能目录的方式覆盖大规模基因组，成为比较基因组学的默认参照。Reactome 2005 年前后起步，选择用关系模型逐条刻画反应，把可追溯性做到极致。WikiPathways 2008 年入场，选了一条两者都没走的路：把编辑权下放。
三家没有走向合并，因为服务的人群不同。做基因组注释的人需要 KEGG 的目录性，做机制推断的人需要 Reactome 的证据链，做图形表达与冷门物种的人需要 WikiPathways 的开放性。这个三角关系在可预见的将来不会改变。
8.3 在 AI 时代的位置
通路数据库在近两年被重新审视，原因与语言模型的训练有关：模型需要结构化的机制知识，而通路正好是「实体 + 关系」的天然样本。
WikiPathways 在这一轮里的独特价值不在规模，而在两件东西。第一是图形：一张通路图携带的视觉布局信息，是纯三元组表达不出来的，这对多模态模型有潜在价值。第二是 RDF 层：它让通路知识可以直接进入知识图谱，与 Wikidata 等资源对齐。
风险同样明显。众包内容里会有错误，而错误一旦进入训练语料就会被放大。任何把 WikiPathways 用作训练数据的工作，都应当保留 WPID 与版本号，以便在发现错误时回溯。这一点与使用者无关，是数据治理层面的要求。
8.4 与策展型资源的互补关系
有一种看法是，社区众包的内容终将被专家策展取代。这个判断在通路领域并不成立，理由是两者的产能曲线不同。
策展型资源受限于专家工时，产出速度接近常数；众包资源的产出速度取决于社区规模，可以随领域热度突然跳升。在热点领域，策展型资源的质量优势明显；在冷门物种与新兴方向，众包往往是唯一的来源。两者是互补而非替代：用众包找到线索，用策展确认结论，再回到众包更新图形。
§9 使用指引
9.1 三种角色的路径
生物医学研究者的路径最短：先在网页上按物种与关键词找到候选通路，看作者列表与最后修订日期，下载 SVG 放进论文，引用时用永久链接。如果要做富集，取该物种的 GMT，按通路规模设阈值。
这三条建议针对的正是 §4.5 的案例在富集阶段会遇到的问题，也就是一条通路被抽成基因集之后，它的规模与边界会如何影响统计判断。
算法工程师的路径取决于任务。做通路图相关的视觉任务，用 SVG 与 PNG；做图神经网络，用 GPML 抽节点与边；做知识图谱，用 RDF 与 SPARQL。三条路用的文件不同，不要在一种产物上硬做另一种任务。
数据工程师的路径最重：需要把月度归档接入既有管线。要点有三：一是把版本号写进元数据，不要用 current；二是建立 WPID 到本地文件的索引，避免每次全量扫描；三是对 GPML 做一次结构化入库，把几何层剥掉，只留节点与交互。
9.2 一条最短的可用流程
从零到一份可用的富集基因集，最短的路径是三步。这条流程取的是 §4.5 的案例从通路仓库层面再走一遍，区别在于它先把版本号固定下来，而不是在线取单条。
#-- 第一步：安装 R 包并下载人类 GMT
Rscript -e 'BiocManager::install("rWikiPathways", ask=FALSE)'
#-- 第二步：确认版本与通路数
BASE=https://data.wikipathways.org/current
curl -fsSL -o hs.gmt "$BASE/gmt/wikipathways-20261010-gmt-Homo_sapiens.gmt"
wc -l hs.gmt
#-- 第三步：把版本号与文件哈希写进分析记录
sha256sum hs.gmt
三步之后得到的是一份带版本、带校验的基因集。第三步常被省略，但它决定了三个月后能不能复现同一份结果。
9.3 富集分析的三条实务建议
第一，按物种分开算。同一生物学过程在人与小鼠下是不同的 WPID 与不同的基因集，混在一起做富集，等于把两个不同的集合当成一个。
第二，对通路规模设上下限。GPML 里有的通路只有十来个基因，有的有几百个，超几何检验在小集合上不显著、在大集合上虚假显著，都需要过滤。
第三，把通路族合并后再报告。同一领域常常有多条高度重叠的通路（比如某个信号级联被拆成三张图），逐条报 P 值会得到大串相似结果，按族合并更易读。
9.4 引用方式
引用要写到三层。
第一层是项目论文。当前推荐引用 Agrawal 等 2024 年发表于《Nucleic Acids Research》第 52 卷 D679–D689 的那篇；若论文写于 2021 至 2023 年间，可引 Martens 等 2021 年第 49 卷 D613–D621 的那篇。两篇的 DOI 分别为 10.1093/nar/gkad960 与 10.1093/nar/gkaa1024。
第二层是具体通路。用永久链接，形如 https://www.wikipathways.org/instance/WP254，并写明最后修订日期。官方说明引用在线版本时不必逐一列出个人作者，因为作者信息会随页面持续更新。
第三层是版本。若引用了下载文件，写明月度版本号；若需要为某个通路的特定版本生成 DOI，官方建议下载该通路的 PNG 上传到 Zenodo。
§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、归档文件与论文摘要起草，数字经逐项清点 |
| 数字来源层级 | 见附录 B，归档文件清点为一级，官网文字为一级，论文摘要为二级 |
| 未核实项 | 人类通路的注释覆盖率与全库平均通路规模未逐一统计 |
| 版本信息 | 以 20261010 月度归档为准，读取时间为 2026 年 10 月 |
| 已知不一致 | 站点打包物种为 41 个，物种浏览页列出 61 个，差额原因未完全查明 |
| 迁移状态 | 官方公告称古典维基与旧网页服务已退役，部分文档与接口仍在过渡 |
| 适用边界 | 本页描述的是数据库本身的结构、规模与边界，不含对具体研究结论的评价 |
| 更新机制 | 月度更新，本页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 |
|---|---|---|
| 「它是 KEGG 的免费替代」 | 通路定义与基因映射策略不同，结果不可互换 | 通路数量级与构建模式均不一致 |
| 「wiki 意味着随便谁都能改、没有审核」 | 有审编流程与标识规范，只是审编者为志愿者 | 官方关于页描述社区审编机制 |
| 「拿 GPML 就能直接做统计分析」 | GPML 一半以上内容是坐标与样式 | 小鼠归档统计中图形类元素远多于语义元素 |
| 「它有六十多个物种，每个物种都有成套通路」 | 物种清单里多数只有个位数通路 | 小鼠与 129 条已是第二、第三大 |
| 「通路里的箭头就是生化反应的化学计量」 | 箭头是图形语义，不含计量与速率 | 全库无任何动力学参数 |
| 「可以用它评估药物对通路的影响」 | 通路图是静态示意，不含活性或表达 | 数据中无观测值字段 |
| 「GPT/GMT 和 GPML 的物种数一样」 | GMT 只对 18 个物种生成 | 归档目录中 gmt 文件数为 18 |
| 「文件名里的日期是发布版本」 | 是该通路的最后修订日期 | 同名文件在多个版本中日期不变 |
| 「注释层可以用来筛疾病相关通路」 | 注释稀疏，小鼠仅一条通路带注释 | 小鼠归档逐文件检索结果 |
| 「旧接口还能用，只是不推荐」 | 官方称已退役 | 官网顶部迁移公告 |
| 「它和 Reactome 是竞争关系」 | 官方定位为补充，且有内容交换 | 官方关于页与下载页均有说明 |
FAQ
Q1：WikiPathways 与 KEGG、Reactome 有什么区别？
KEGG 由京都大学团队手工绘制，作为功能目录覆盖极广的基因组，批量下载自 2011 年起收费；Reactome 由机构组织专家审编，每条反应要求文献证据；WikiPathways 把编写与审编交给社区，通路以 GPML 图形模型存档，任何人可以提出修订。三者的通路边界不同，富集结果不可互相替代。
Q2：GPML 到底是什么？
Graphical Pathway Markup Language，一种基于 XML 的通路图标记语言，由 PathVisio 维护。它同时记录生物学语义与画布几何，因此既能被生物学工具解析，也能被绘图工具还原成图。它是 WikiPathways 的母格式，GMT、SVG、RDF 都从它派生。
Q3：现在有多少条通路？
20261010 月度版本中，人类、小鼠、大鼠三个物种的条数见速览表与附录 A。这些数字随月度版本变化，引用时应写明版本日期。
Q4：能不能直接用它做通路富集？
可以，取对应物种的 GMT 即可。需要注意三点：按物种分开算、对通路规模设上下限、把高度重叠的通路按族合并后再报告。
Q5：为什么各格式的物种数不一样？
GMT 只对基因标识体系明确的物种生成，因此只有 18 个文件；GPML 与 SVG 对全部 41 个有通路的物种打包。物种浏览页列出 61 个，包含只存在于网页的条目，与归档口径不一致。
Q6：内容质量怎么判断？
看三样东西：通路页上的作者列表、文件的最后修订日期、页面上的被引记录。近期频繁修订、作者为领域内知名团队、有多篇论文引用的通路，可信度明显更高。
Q7：为什么很多通路文件日期很旧？
社区供给不均。某个作者离开该领域后，相关通路往往长时间无人维护。文件名里的日期就是这个情况最直接的证据。
Q8：它有没有动力学参数？
没有。GPML 描述关系与图形，不描述速率、平衡常数或化学计量。需要动力学模型时应转向专门资源。
Q9：旧网页服务还能用吗？
官方公告称古典维基站点与配套旧网页服务已退役，系统正迁往 GitHub 存储。依赖旧接口的脚本需要改走 API、SPARQL 或归档文件。
Q10：数据可以商用吗？
可以。内容以 CC0 1.0 公有领域奉献为主，部分历史条目另有 CC BY 条款，具体以官方许可说明与各通路页为准。使用时仍建议保留来源与版本信息。
Q11：它跟 Reactome 能混用吗？
技术上可行，官方提供 Reactome 通路的 GPML 下载，但两库的通路编号与边界不同，混用前必须先做编号映射，不能简单合并基因集。
Q12：适合用来训练模型吗？
适合作为结构化机制知识的来源，尤其 RDF 层与图形布局信息有独特价值。但需要注意：众包内容存在错误，训练时应保留 WPID 与版本号以便回溯，并对语义模糊的交互类型做统一映射。
术语表
| 术语 | 含义 |
|---|---|
| 通路 | 一组分子事件的有序描述，通常以图的形式表达 |
| GPML | 图形通路标记语言，基于 XML，记录语义与几何 |
| WPID | WikiPathways 的永久通路编号，形如 WP254 |
| 修订号 | 同一通路每次修改递增的序号，位于文件版本字段 |
| 数据节点 | 通路图上的参与者，如基因、蛋白、代谢物 |
| 交互 | 节点之间的连线，带方向，语义靠图形属性承载 |
| 图形线 | 不带方向语义的连线，常用于代谢反应连接 |
| 注释 | 关联到通路的本体术语，如疾病、细胞类型 |
| Xref | 节点指向外部数据库的交叉引用，如 Entrez 标识 |
| GMT | 制表符分隔的基因集文件，每行一条通路 |
| SVG | 可缩放矢量图形，渲染后的通路图 |
| RDF | 资源描述框架，三元组形式的知识表示 |
| SPARQL | 面向 RDF 的查询语言 |
| PathVisio | 官方推荐的通路绘图与编辑软件 |
| 审编 | 对提交内容做规范检查与合入的过程 |
| 月度归档 | 每月十日发布的全库快照 |
| 正交投影 | 用同源关系把人类通路映射到其他物种的方法 |
| 超几何检验 | 富集分析中最常用的统计方法 |
| 社区 | 按领域或物种组织的贡献者团体 |
附录 A：核心数字核对表
| 项 | 值 | 来源 | 来源层级 |
|---|---|---|---|
| 人类通路数 | 991（以速览表为准） | 20261010 人类 GMT 行数 | 一级 |
| 小鼠通路数 | 214（以速览表为准） | 20261010 小鼠 GPML 压缩包 | 一级 |
| 大鼠通路数 | 129（以速览表为准） | 20261010 大鼠 GPML 压缩包 | 一级 |
| 物种数 | 61 | 官方物种浏览页分组计数 | 一级 |
| GPML 打包物种数 | 41 | 归档目录文件数 | 一级 |
| GMT 物种文件数 | 18 | 归档目录文件数 | 一级 |
| 小鼠数据节点总数 | 一万六千余 | 逐文件统计 | 一级 |
| 小鼠交互总数 | 一万七千余 | 逐文件统计 | 一级 |
| 小鼠含注释通路数 | 1 | 逐文件检索 | 一级 |
| 发布日期规则 | 每月十日 | 官方下载页说明 | 一级 |
| 论文卷页（2024） | 第 52 卷 D679–D689 | Crossref | 二级 |
| 论文卷页（2021） | 第 49 卷 D613–D621 | Crossref | 二级 |
附录 B：数字的来源分层
一级：归档文件与官方页面。 包括月度归档目录的文件数、GMT 行数、GPML 的 XML 结构统计、官方关于页与下载页的文字说明。本文的通路数、物种数、元素计数均取自这一层，可逐项复现。
二级：论文摘要与文献元数据。 包括 2021 年与 2024 年两篇《NAR》论文的标题、卷页与摘要中的定位表述。这些数字用于说明发展脉络，不用于描述当前规模。
三级：未核实。 人类通路的注释覆盖率、全库平均每条通路的基因数、网页物种数（61）与打包物种数（41）之间的差额原因，均未逐项查明，本文只并列陈述。
附录 C：完整参考文献
- Agrawal A 等. WikiPathways 2024: next generation pathway database. Nucleic Acids Research, 2024, 52: D679–D689. DOI 10.1093/nar/gkad960.
- Martens M 等. WikiPathways: connecting communities. Nucleic Acids Research, 2021, 49: D613–D621. DOI 10.1093/nar/gkaa1024.
- WikiPathways 官方站点关于页，https://www.wikipathways.org/about.html ，2026 年 10 月访问。
- WikiPathways 官方下载页，格式说明与程序接口，https://www.wikipathways.org/download.html ，2026 年 10 月访问。
- WikiPathways 月度归档站点，https://data.wikipathways.org/ ，2026 年 10 月访问。
- WikiPathways 引用页，推荐引用方式与永久链接规则，https://www.wikipathways.org/cite.html ，2026 年 10 月访问。
- WikiPathways 物种浏览页，六组物种清单，https://www.wikipathways.org/browse/organisms.html ，2026 年 10 月访问。
- KEGG 与 Reactome 官方站点，用于 §2.7 与 §6 的对照。
附录 D：取数代码
#-- 完整的最小脚本：下载归档、清点、抽取一条通路的基因集
import zipfile
import io
import re
import urllib.request
BASE = "https://data.wikipathways.org/current"
VER = "20261010"
#-- 一、下载并清点人类 GPML 归档
url = f"{BASE}/gpml/wikipathways-{VER}-gpml-Homo_sapiens.zip"
raw = urllib.request.urlopen(url, timeout=120).read()
zf = zipfile.ZipFile(io.BytesIO(raw))
names = [n for n in zf.namelist() if n.endswith(".gpml")]
print("GPML 通路数：", len(names))
#-- 二、解析单条通路，抽出数据节点与相互作用
text = zf.read(names[0]).decode("utf-8", "ignore")
nodes = re.findall(r'<DataNode[^>]*TextLabel="([^"]*)"', text)
edges = re.findall(r'<Interaction[ >]', text)
print(names[0], "节点", len(nodes), "交互", len(edges))
#-- 三、按 Entrez 标识整理成基因集
entrez = re.findall(r'<Xref Database="Entrez Gene" ID="(\d+)"', text)
print("Entrez 标识数：", len(set(entrez)))
附录 E：如果只记五件事
第一，它是社区众包的通路数据库，通路以 GPML 图形模型存档，任何人可提出修订。
第二，三个主要物种的条数依次递减，人类最多，小鼠次之，大鼠再次，全库六十余个物种。
第三，它与 KEGG、Reactome 的分工是：KEGG 给封闭的功能目录且批量下载收费，Reactome 给逐条带证据的反应，它给开放可编辑的图形化通路。
第四，它不含任何动力学参数与观测数据，通路图是示意图不是测量结果。
第五，内容质量随作者与维护状况波动，使用前应看作者列表与最后修订日期。
编辑说明
核验时间为 2026 年 10 月 29 日。核验方式为直接读取 WikiPathways 官方首页、关于页、下载页、引用页与物种浏览页，并下载 20261010 月度归档中人类 GMT 文件及小鼠、大鼠 GPML 压缩包，逐项统计文件数、通路编号与 XML 元素出现次数。论文的卷页与 DOI 经 Crossref 元数据核对，2024 年篇为第 52 卷 D679–D689，2021 年篇为第 49 卷 D613–D621。
未覆盖的内容包括：人类通路的注释覆盖率、全库平均每条通路的基因数、网页物种数（61）与打包物种数（41）之间的差额成因。这三项均需逐文件统计，已超出本次核验范围，文中只并列陈述而不下结论。人类 GPML 压缩包在核验期内下载不完整，因此人类一侧的节点与交互计数未列入，仅采用 GMT 与归档条目数两个口径。
本页描述的是数据库本身的结构、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。内容许可以官方许可说明与各通路页为准。
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：
- ipd-imght-hla — 共享标签：基因组学与多组学 / 变异与注释 / 知识图谱
- mgi — 共享标签：基因组学与多组学 / 变异与注释 / 知识图谱
- sequence-ontology — 共享标签：基因组学与多组学 / 变异与注释 / 知识图谱
- cspec — 共享标签：基因组学与多组学 / 变异与注释 / 知识图谱
- alliance-genome — 共享标签：基因组学与多组学 / 变异与注释 / 知识图谱
- cellosaurus — 共享标签：基因组学与多组学 / 变异与注释 / 知识图谱
- metatraits — 共享标签：基因组学与多组学 / 变异与注释 / 知识图谱
- pfam — 共享标签：基因组学与多组学 / 变异与注释 / 知识图谱
- igvf-catalog — 共享标签：基因组学与多组学 / 变异与注释
- clinmave — 共享标签：基因组学与多组学 / 变异与注释
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。
