史上最全GSEA可视化教程,今天让你彻底搞懂GSEA!

发布网友发布时间：2024-09-26 06:55

共1个回答

热心网友时间：2024-09-29 17:06

如果你在实验中遇到基因差异不明显的情况，别失望！这时，基因集富集分析（GSEA）就是你寻找答案的工具。GSEA并非单纯计算差异基因，而是通过对基因表达排序和预定义基因集的分析，揭示潜在的分子机制差异。

GSEA的基本原理是，通过将基因的表达程度排序，判断功能注释基因集是否在表达模式的顶部或底部聚集。Enrichment Score（ES）折线图呈现这一过程，峰值表示富集分数。而基因位置图则显示功能注释基因在表达数据集中的分布，与表达丰度的关联。信噪比指标则衡量组间的差异显著性。

解读GSEA结果时，关注 NES（校正后的富集分数）、FDR和p值，当FDR小于0.25且p值小于0.05，且|NES|大于1，结果才有统计学意义。GSEA的优势在于，它不依赖于单一基因差异，而是考虑基因集合的表达趋势，以及通过预定义基因集揭示通路的激活或抑制状态，提高了分析的针对性和灵敏度。

实战中，虽然GSEA软件有一定的使用门槛，但R语言的clusterprofile包提供了解决方案，包括丰富的可视化选项。赶快试试吧，将你的数据投入到GSEA分析中，看看能否揭示隐藏的生物学信息。别忘了，分享你的成果时别忘了引用相关的R包文献哦。

作者：念念

首发于“解螺旋”微信公众号

引用须知：解螺旋·临床医生科研成长平台