对于pathway 数据库而言，我们最常见的就是利用KEGG 富集分析挖掘其中的信息，得到显著富集的几条通路；
对于代谢通路而言，不同的通路之间是会有相互关系的，比如在上游的通路中产生的代谢产物，进入下游的通路继续发挥作用。
pathway和pathway 之间存在一个上下游的关系，所有的pathway 的相互关系就构成了1个网络，在这个网络中，肯定会存在degree比较多的pathway, 所以通过network 分析，我们可以挖掘出比较重要的一些pathway。
下面以human 为例，进行说明
在某条具体的通路图上，圆角矩形代表的是另外一条通路，比如 MAPK 信号通路 hsa04010
上图中红色方框标记的就是其他的一些通路，我们可以看到hsa04010 通路中的一些物质会参与到其他通路中去，这个时候，就可以理解为hsa04010 是上游通路，红色方框标记的通路为下游通路；
对于某一条具体的通路而言，都可以通过上面的描述，来得到其对应的下游通路；
将所有的代谢通路的上下游关系进行汇总，就会得到一个network, human 的整个network 见下图：
由于人一共有350多条pathway , 所以整个网络图还是比较庞大的，这里我将节点的大小映射到了degree上，从图中，我们可以一眼看到最大的几个pathway, 这些pathway 在整个network 中就有重要地位；
下面是具体的每个节点的degree,我选了top20
由于整个network 是1个有向图，所以每个节点以后入读 indegree 和 出度 outdegree , 根据degree 降序排列，发现MAPK signal pathway 是整个human pathway network 中的核心pathway;
我们还可以将整个network 和富集分析的结果结合起来，挑选其中显著富集的pathway 进行展示，看富集到的通路中，核心通路是哪些
下面是1个示例
由于富集到的通路较少，网络图也更加的直观。