GSEA和KEGG以及GO的区别

表达差异矩阵

当产生的表达差异矩阵后，做后续的分析：

1.KEGG是通路富集分析

2.GO是功能富集分析，包括BP分析，CC分析以及MF分析。GO数据库，全称是Gene Ontology(基因本体)，他们把基因的功能分成了三个部分分别是：细胞组分（cellular component, CC）、分子功能（molecular function, MF）、生物过程（biological process, BP）。

传统KEGG（通路富集分析）和GO（功能富集）分析时，如果富集到的同一通路下，既有上调差异基因，也有下调差异基因，那么这条通路总体的表现形式究竟是怎样？是被抑制还是激活？或者更直观点说，这条通路下的基因表达水平在实验处理后是上升了呢，还是下降了呢?

传统的富集分析，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。

GSEA

3.GSEA分析是 基因集富集分析，由Broad Institute研究所提出的一种富集方法。对应的基因集数据库MSigdb。

GSEA的输入是一个基因表达量矩阵，其中的样本分成了A和B两组，首先对所有基因进行排序，简单理解就是根据处理后的差异倍数值进行从大到小排序, 用来表示基因在两组间的表达量变化趋势。排序之后的基因列表其顶部可看做是上调的差异基因，其底部是下调的差异基因。

结果分析：

“MUT vs WT”的差异gene集（MUT为实验组，WT为对照组）

GS：基因集（通路）的名字。

SIZE：代表该基因集（通路）下的基因总数。

ES：代表Enrichment score，NES代表归一化后的Enrichment score。

NOM p-val：代表p值，表征富集结果的可信度。

FDR q-val`代表q值, 是多重假设检验矫正后的p值，注意GSEA采用pvalue < 5%, qvalue < 25% 对结果进行过滤。

对于某个基因集下（通路里）的每个基因给出了详细的统计信息，如下图

RANK IN GENE LIST：代表该基因在排序中的位置。

RANK METRIC SCORE：代表该基因排序量的值，即：处理后的foldchange值。

RUNNIG ES：代表累计的Enrichment score。

CORE ENRICHMENT：代表是否属于核心基因，即对该基因集的Enerchment score做出了主要贡献的基因。

上图表格中的数据对应下面这张图

图分为3部分，如下：

第一部分：最顶部的绿色折线为基因Enrichment Score的折线图。纵轴为对应的Running ES, 在折线图中有个峰值，该峰值就是这个基因集的Enrichemnt score，峰值之前的基因就是该基因集下的核心基因。横轴代表此基因集下的每个基因，对应第二部分类似条形码的竖线。

第二部分：类似条形码的部分，为Hits，每条竖线对应该基因集下的一个基因。

第三部分：为所有基因的rank值分布图，纵坐标为ranked list metric，即该基因排序量的值，可理解为“公式化处理后的foldchange值”。

参考：基因集富集分析（GSEA）简介 - 知乎 (zhihu.com)