GSEA与KEGG和GO的区别在于:KEGG用于通路富集分析,揭示基因在哪些通路中发挥作用;GO用于功能富集分析,揭示差异表达基因与哪些生
GSEA:基因集富集分析 (Gene Set Enrichment Analysis, GSEA) ,其基本思想是使用预定义的基因集(通常来自功能注释或先前实验的结果),将基因按照在两类样本中的差异表达程度排序,然后检验预先设定的基因集合是否在这个排序表的顶端或者底端富集。基因集合富集分析检测基因集合而不是单个基因的表达变化,因此可以包含这些细微...
KEGG把从已经完整测序的基因组中得到的基因目录与更高级别的细胞、物种和生态系统水平的系统功能关联起来。 GSEA(Gene Set Enrichment Analysis, GSEA)是使用预定义的基因集,将基因按照在两类样本中的差异表达程度排序,然后检验预先设定的基因集合是否在这个排序表的顶端或者底端富集。基因集合富集分析检测基因集合而不是...
2)基于KEGG富集分析结果 打开KEGG通路富集结果*_KEGG_enrichment.xlsx文件,在pathway_name列中,用关键词逐一筛选与您研究相关的通路,通常设置pvalue小于0.05。获取关注通路的富集情况后可以参照GO筛选方法在*_Gene_differential_expression.xlsx中的KEGG列检索相关通路,即可获得注释到关注通路的全部基因和差异显著基因的信息。
GSEA分析是一种基于基因集的富集分析方法,可以评估一个预定义的基因集在两种生物状态之间是否有显著的表达差异。与GO,KEGG不同的是,GO和KEGG计算的p值是需要人为划定阈值的,而GSEA不需要划定阈值,GSEA将输入数据与GSEA中数据库比对,对基因打分。 SSGSEA是一种用于评估每个样本中特定基因集的相对富集程度的方法。在得...
上述的问题我们可以采用GSEA富集分析解决。GSEA针对所有基因而非仅差异基因,可以检测出不显著但是一致的差异表达趋势的基因集,同时,还能够判断通路处于被激活还是抑制状态。 本期学习内容为使用clusterProfiler及系列R包完成GSEA富集及可视化,包括对不同数据库如KEGG、GO、Reactome、Do、MSigDB进行GSEA富集。
一、多个亚群各自marker基因联合进行GO以及KEGG分析 在前面几节我们已经知道各个细胞亚群的 marker 基因,接下来我们对这些marker基因进行功能注释和富集分析...
🎯 GSEA(Gene Set Enrichment Analysis)则是一种独特的基因集富集分析方法。与传统的KEGG或GO分析不同,GSEA能更准确地比较实验组和对照组之间同一通路的基因上调下调差异。💡 总的来说,KEGG、GO和GSEA各有其独特的应用场景,共同构成了基因富集分析的强大工具集。
最广为人知的富集分析做法是把上调、下调基因分别或者合并,拿来做GO和KEGG富集分析。经常有一些数据集,拿差异基因做得不到结果,那是因为确实富集不到任何通路,是正常的。不妨试试gsea,不是拿差异基因,而是拿全部基因作为输入哦。 1.R包和数据 输入数据仍然是差异分析结果表格,需要用到logFC值。示例数据在生信星球...
多个亚群各自merker基因联合进行GO以及KEGG分析 在前面几节我们已经知道各个细胞亚群的maerker基因,接下来我们对这些marker基因进行功能注释和富集分析。 读取数据 代码语言:javascript 复制 rm(list=ls())library(Seurat)library(gplots)library(ggplot2)load('sce.markers.all_10_celltype.Rdata') ...