gsea富集分析结果怎么看_豆豆学习GSEA

 今天是生信星球陪你的第521天

---

   大神一句话，菜鸟跑半年。我不是大神，但我可以缩短你走弯路的半年~

   就像歌儿唱的那样，如果你不知道该往哪儿走，就留在这学点生信好不好~

   这里有豆豆和花花的学习历程，从新手到进阶，生信路上有你有我！

豆豆写于2020.1.22-23
自从上次写过豆豆在UM的第一天 就开始了适应过程，到现在也适应差不多了，一切步入正轨，赶在过年之前发一波

我们经常听说：Gene Set Enrichment Analysis、GSEA、基因集富集分析，这三种实际上都是描述的一种方法，就是寻找基因的功能大概是什么样子的。
这一次，就来认识一下GSEA吧

以往的认知

我们经常做转录组分析，于是最熟悉的是：差异分析 + 功能注释。经常设定一个logFC阈值，然后找变化倍数大于或者小于这个值的基因，作为上调或者下调。而这个阈值的设定，经常没有一个标准，主观性很大，但有时也会添加一点统计知识进去，比如利用mean + 2sd来计算这个阈值。

最后会利用这些差异基因，来进行GO或者KEGG的注释，找到它们主要在哪些通路富集，从而提供一些思路。

那么以上?的思路就属于：过表征分析(ORA, Over-Representation Analysis)，属于初步探索。

当然其中也会有一些问题，例如：

• 只分析差异基因，但表达真的只受那些变化大的基因影响吗？

• 我们设置的logFC靠谱吗？不同的logFC得到的差异基因数量不同，那么再进行富集分析的结果又有多少重合呢？

• 找差异基因的过程往往假设基因间是相互独立的，但实际上许多基因的关系还是很密切的

• 另外即使两个基因都被分在了上调基因组，一个FC是8，一个FC是4，那么能认为这两个基因的特征是一样的吗？

• 如果现在有两个实验组，都分别找到了差异基因，现在想通过找它们共同的差异基因，然后做富集分析。但是，结果可能是：两个组的差异基因数量本身很多，它们的交集很少(比如才二三十个)，这样再向下做差异分析就很困难

之前也介绍过相关的内容，见：富集分析Enrich Me！ 、富集分析Enrich me again!

GSEA就是属于第二代方法：FCS(Functional Class Scoring)的范畴

基本上能看到类似的这种图就说明是用GSEA做的：