而GSEA不需要指定明确的差异基因阈值,算法会根据实际数据的整体趋势, 为研究者们提供了一种合理地解决目前芯片分析瓶颈问题的方法,即使在没有先验经验存在的情况下也能在表达谱整体层次上对数条基因进行分析,从而从数理统计上把表达谱芯片数据与生物学意义很好地衔接起来,使得研究者们能够更轻松、更合理地解读芯片结果。
KEGG(Kyoto Encyclopedia of Genes and Genomes)则是研究Pathway的数据库,整合了基因组、化学和系统功能信息,可以了解基因在哪些通路中发挥作用。 而GSEA(Gene Set Enrichment Analysis)是一种独特的基因集富集分析方法,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,且不需要划定阈值,这使得GSEA在分析基...
说白了,GSEA的输入变量是基因表达量,KEGG pathway富集分析的输入变量是基因列表;二者都能筛选出显著富集的通路,区别是GSEA针对所有基因,KEGG针对差异基因富集的通路,现在一般结合两者的结果来做推断。 以上是我的个人理解,也没有详细查资料,如需详细了解,还请入木三分~~O(∩_∩)O©...
GO、KEGG和GSEA在基因富集分析中各有侧重。GO更注重单个基因的功能描述，KEGG强调基因在通路和功能集中的集中分布，而GSEA则侧重于识别特定基因集在不同生物状态下的差异表达。它们之间的主要区别在于分析策略和关注点，GO和KEGG侧重于单个基因或基因集的富集，而GSEA则关注于特定基因集在不同条件下的差异表...
KEGG是功能富集,即基因集(多个基因)可能显著的集中在哪些功能上面,也可以说是在哪些通路上的富集。类似的通路数据库有wikipathway,reactome等。 GSEA:基因集富集分析,用于确定先验基因集是否在两种生物状态(例如表型)之间差异显著。 区别: GO/KEGG差异基因的一刀切法——仅关注少数几个显著上调或下调的基因,容易遗漏...
那我们说的GSEA:Gene Set Enrichment Analysis (基因集富集分析)又是什么东西?所以我们还是从KEGG和GO说起。 除了对基因本身功能的注释,我们也知道基因会参与人体的各个通路,基于人体通路而形成的数据库就是通路相关的数据库。而KEGG就是通路相关的数据库的一种。对该数据库不是很了解的,可以先阅读文章:KEGG数据库...