GSEA:通过富集得分(ES)、标准化富集分数(NES)和显著性p值,揭示基因集的整体变化方向(如上调或下调)及其与表型的关联强度,支持发现新型生物标志物或调控网络。 GO分析:通过富集结果的p值和富集倍数,明确差异基因在特定功能类别中的代表性,例如“细胞外基质组织”功能显著富...
GSEA是Gene Set Enrichment Analysis(基因集富集分析)的缩写。它是一种用于解释基因表达数据的生物信息学方法,旨在识别在特定条件下共同显著表达的基因集。GSEA的基本原理是通过比较基因表达数据中基因集的表达模式与预先定义的基因集的富集模式。这些基因集通常与特定的生物学过程、细胞功能或通路相关联。通过计算基因集中...
「4. 与GO或KEGG富集分析的区别」 GO富集分析是先筛选差异基因,再判断差异基因在哪些注释的通路存在富集;这涉及到阈值的设定,存在一定主观性并且只能用于表达变化较大的基因,即我们定义的显著差异基因。 GSEA则不局限于差异基因,从基因集的富集角度出发,理论上更容易囊括细微但协调性的变化对生物通路的影响。 以上是...
富集分析是生物信息学中用于解读高通量数据、筛选关键蛋白等的重要手段。目前比较常用的富集分析主要包括 GO 富集分析和 KEGG 富集分析。GO(Gene Ontology)和 KEGG(Kyoto Encyclopedia of Genes and Genomes)是两个经典的注释数据库。它们使用的富集算法基于超几何分布
本地的KEGG分析参考文章:KEGG数据库使用及通路分析教程,GO参考文章:FunRich数据库:一个主要用于基因和蛋白质的功能富集以及相互作用网络分析的独立的软件工具,当然该工具不止可以进行富集分析,具体去看文章吧。 这里就先介绍一下本地GSEA分析 我们前文说过,GSEA分析是基于表达矩阵的。所以我们首先得有一个基因表达矩阵...
《GO富集分析及可视化,一把子拿捏!》 通过KEGG、GO等经典富集分析,我们能够了解到阈值筛选出的差异基因参与的通路和具备的功能,以及哪些功能/通路对表型变化是可能起主导作用的。 但在经典富集分析中,我们无法得知某条通路下差异基因的总体变化趋势,即富集到同一通路下的基因既又上调也有下调,那么这条通路的表现形式到...
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') ...
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...
GSEA结果以富集得分和显著度为基础,可以反映基因集在表型间的差异。相比于KEGG富集分析和GO富集分析,GSEA更适合发现与特定表型相关的全局基因集的富集情况。 虽然KEGG富集分析、GO富集分析和GSEA可以为研究人员揭示基因和基因集在生物学过程中的富集情况,但它们并不是二选一的关系。实际上,有时候研究人员需要综合使用...
可执行GSEA查看GSEA分析的结果,也可以保存到本地. 3. GO_KEGG_GSEA可视化: 3.1 GO/KEGG富集柱状图+点状图: barplot(GO, split="ONTOLOGY")+facet_grid(ONTOLOGY~., scale="free")#柱状图 barplot(KEGG,showCategory = 40,title = 'KEGG Pathway') ...