January 18, 2019 1 min to read

GSEA分析

步骤

下载gsea-3.0.jar（依赖java 8）。测试数据下载。

打开软件，点击load data，有三种方式可以加载数据。

cls文件，分组文件。
gct文件，基因表达量文件。
gmt文件，基因集文件（可选）。

点击Run GSEA。选择各种参数，点击Run。

Collapse dataset to gene symbols，设置为True，GSEA将数据集中的探针组折叠单个基因。
Permutation type，如果表型样本数小于7选择Gene_set，大于7选择Phenotype。
基因集划分为以下8大类别：
- hallmark gene sets(H)，来源于MSigDB基因集，有明确的生物学状态或过程；
- positional gene sets(C1)，根据基因在染色体上的位置划分；
- curated gene sets(C2)，包含了已知数据库，文献和专家支持的基因集信息；
- motif gene sets(C3)，包含了miRNA靶基因和转录因子结合区域等基因集合；
- computational gene sets(C4)，包含根据芯片预测出来的和癌症相关的基因集；
- GO gene sets(C5)，包含了Gene Ontology对应的基因集合;
- oncogenic signatures(C6)，包含已知条件处理后基因表达量发生变化的基因集；
- immunologic signatures(C7)，包含了免疫系统功能相关的基因集合。

运行成功后，会在左下角面板status栏显示success。进入结果存放的文件夹，打开index.html查看结果细节。

结果分析

两个excel表分别是与两个表型正相关的基因集。表列名含义分别是：基因集所含基因个数（SIZE）、富集评分（ES）、归一化后富集评分（NES）、显著度（NOM p-val）、FDR校正后显著度（FDR q-val）、FWER校正后显著度（FWER p-val）、基因集中基因相关性排序最大序号（RANK AT MAX）。

两个表型分别列出了前20个基因集的富集详细信息。包括富集图和对应基因集各基因的详细信息。

富集图中，leading edge subset为ES峰值之前的基因亚集，它们对ES贡献最大；中间条码状图为该基因集核心基因标示图，最下方图片为排列序号上基因表达量与表型相关性的曲线图。RANK AT MAX为ES峰值对应的序号。ranking metric衡量的是基因与表型的相关性。