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与前述富集分析的区别是,GSEA将全部基因表达差异情况(不管变化倍数多少,上调还是下调)统统输入,GSEA算法在此基础上评估可能的通路。 在R中可以通过clusterprofiler包的两个函数实现,即GSEA()或gseKEGG() library(GSEABase) library(enrichplot) library(clusterProfiler) library(org.Hs.eg.db) DEG <- read.table...
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...
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。在得到每个样本和基因集的富集得分后,可以用于免疫细胞浸润分析,基因通路分析,以及其他基于基因集的生物学研究。SSGSE...
#GSEA_KEGG富集分析: KEGG_ges<- gseKEGG( geneList= genelist, organism="hsa",#不同物种选择可官方查询:https://www.genome.jp/kegg/catalog/org_list.html minGSSize= 10, maxGSSize= 500, pvalueCutoff= 0.05, pAdjustMethod="BH", verbose= FALSE, ...
基因集富集分析(Gene Set Enrichment Analysis, GSEA):通过将基因按照某些特征(例如表达水平、调控状态)进行排序,然后检查预定义的基因集合中的基因是否在排序列表的某个区域内更集中地分布。GSEA 是基于排序的富集分析方法。 通路富集分析:专注于检查基因集合中的基因/代谢物是否在特定通路中富集。KEGG、Reactome 等数据...
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...
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') ...
单细胞各个亚群基因按照平均表达量排序后gsea分析 (qq.com) 单细胞各个亚群特异性高表达基因的数据库注释(包括GO,KEGG,ReactomePA) (qq.com) ClusterProfiler包进行KEGG富集报错 1.GO,KEGG,ReactomePA富集分析 根据生信技能树的教程 (1). 先加载Seurat对象后进行取基因平均表达量 ...