KEGG分析:通过通路富集显著性及基因覆盖度,解释差异基因在特定代谢或信号传导中的协同作用,例如“Wnt通路”的富集提示其可能驱动表型变化。 综上,GSEA更擅长从全局视角挖掘基因集的协同效应,而GO和KEGG则分别侧重离散基因的功能注释和通路定位,三者常结合使用以全面解析生物学...
KEGG和GO的区别主要体现在,GO是一条条的线路(GO term),每一个线路里面有自己的基因集,线路彼此之间是没有任何联系的,而KEGG是网状的,不仅有基因集,还定义了基因和代谢物之间的复杂的相互关系。 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,...
用于进行基因富集分析的通路的信息,包含通路名称和组成通路的基因,储存在一些数据库中比如KEGG、GO。我们分别介绍: KEGG(Kyoto Encyclopedia of Genes and Genomes)是一个包含生物系统功能和信息的数据库资源,提供了关于基因组、化学物质、代谢途径、疾病和药物等方面的信息。KEGG数据库涵盖了多个生物学领域,包括基因组学...
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...
GSEA分析简单逻辑就是:根据目标基因(单个基因)与其他基因之间的相关性,获得与目标基因具有高相关的基因集,再根据基因集进行GO和KEGG富集分析。(PS:这是个人的理解,若有错误,请根据自己的理解分析即可) ##'@计算相关性 ##'@定义函数:获得目标基因与其他基因之间的P值和Cor值 batch_cor <- function(gene){ y...
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
🎯 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。
传统的KEGG(通路富集分析)和GO(功能富集)分析时,针对总体的差异基因,不区分哪些差异基因是上调还是下调。所以会出现同一通路下富集到的的既有上调差异基因,也有下调差异基因,无法判断这条通路表现形式究竟是怎样。 而GSEA考虑了基因的表达水平,不需要明确指定差异基因阈值,检验的是基因集而非单个基因的表达变化,算法会...
4.为何已经做了GO/KEGG富集分析了,还要再做GSEA? 01 GSEA富集图的定义和用途 定义 GSEA(基因集富集分析)在生物信息学领域中扮演着重要角色,主要用于评估基因集中基因在与表型相关度排序的基因表中的分布趋势,从而判断这些基因集对特定表型的贡献。 用途