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...
在Run GSEA窗口设置参数。 Expression dataset(表达文件):选择上一步上传的GSEAExp.txt文件 Gene sets database (功能基因集数据库):GSEA包含了MSigDB数据库中的功能基因集,可以从中选择感兴趣的通路、癌症标记、转录因子数据库等。我们在前面文章:为什么选择GSEA分析?和KEGG和GO分析有什么区别?中就介绍了这些数据集,...
GO富集分析用于识别基因集中富集的功能术语,能够提供基因集的功能特征。 GSEA(Gene Set Enrichment Analysis):是一种基于基因表达数据的功能富集分析方法,关注整个基因集的表达模式。它不仅考虑差异表达的单个基因,还考虑整体基因集的富集情况,适用于小样本和复杂的基因表达数据。 GSVA(Gene Set Variation Analysis):也是...
4. GO/KEGG/GSEA富集分析圈: 如下图所示为富集圈图,最外侧为富集到的功能集/通路集/基因集,其颜色表示属于不同的二级分类,向内一圈为富集到各功能集/通路集/基因集的基因数目和P值,再向内一圈为上调/下调基因的比例与数目,最内一圈为该功能集/通路集/基因集在富集分析中的富集分数,内侧为图例。 如下图...
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”功能显著富集,提示该过程在表型中的作用。 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...
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。
接着进行基因集富集分析GSEA,绘制排序前沿的抵抗基因和敏感基因的路径,如下图所示,结果图中的红色和蓝色分别表示两种生物状态的基因集富集得分(Enrichment Score)。红色表示正的富集得分,说明该基因集在差异表达基因的顶端富集,与第一种状态相关。蓝色表示负的富集得分,说明该基因集在差异表达基因的底端富集,与第二种...
MSEA分析有三种模式,其中ORA(Over Representation Analysis,过度代表性分析)就是上文提到的基于超几何分布检验的传统KEGG富集方法,需要输入一个代谢物集合,这里推荐的是QEA(Quantitative Enrichment Analysis,定量富集分析)模式,输入全部代谢物再分析,是代谢组里面的“GSEA”。QEA使用global test算法,考虑了pathway中每个代谢...
是先把差异表达基因按照表达差异倍数从大到小进行排序，然后看某一个基因集下的所有基因主要位于这个排列顺序的前面还是后面部分，如果在前面则表示该基因是上调；如果在后面则表示基因是下调，所以，GSEA富集主要关注两端的基因。7GO、KEGG和GSEA富集分析的区别是什么？GO是用来找差异基因引起的功能改变，KEGG是用于寻找...