GSEA基因富集分析的原理就是基于该排列好的基因集，从第一个基因开始判断该基因是否存在于经过筛选的GO功能基因集中，如果存在则加分，反之减分 。所以评分过程是一个动态的过程，最终我们会得到一个评分峰值，那就是GO功能富集的评分 。加分规则通过Basic fields参数设置处的Enrichment statistic决定的 。

文章插图

接着有一个分析的结果的热图和gene list相关性的图 。
热图中展示了分别在两组处理中高表达的前50个基因，总共100个基因的表达情况 。


文章插图

gene list相关性图如下 。横坐标是已经排序好的基因，纵坐标是signal2noise的值 。虚线左侧的基因是在NGT中高表达，右侧的基因在DMT中高表达 。这部分结果报告中的面积比就是基于该图计算的，可以看出面积百分比和基因数目百分比有一定的差异，面积百分比可以从整体上反映组间信噪比的大小 。


文章插图

Butterfly plot显示了基因等级与排名指标评分之间的正相关（左侧）和负相关性（右侧） 。左侧蓝色虚线和右侧红色虚线是真实的信噪比结果，其他颜色的线是软件对数据做了随机重排后的结果 。默认情况下，图形只显示前100个基因，也就是排名第一和最后100个基因 。可以使用运行GSEA页面上Advanced fields处的Number of markers来更改显示的基因数量 。


文章插图

5. Global statistics and plots
这部分包含两个图：1) p值与归一化富集分数(NES)的对比图，这提供了一种快速、直观的方法来掌握有意义的富集基因集的数量 。2) 通过基因集的富集分数统计图，提供了一种快速、直观的方法来掌握富集的基因集的数量 。


文章插图



文章插图

理解了上面各个部分的结果后，再回过头看这张GSEA分析原理图就简单了 。


文章插图

在GSEA软件的左侧提供了Enrichment Map Visualization的功能，点击后GSEA软件会自动调用Cytoscape，建议等待Cytoscape启动后再进行接下来的操作，且保证在分析过程中Cytoscape是处于开启状态 。
选择一个GSEA分析结果，点击Load GSEA Results，其他项为默认值就行，点击Build Enrichment Map以展示基因富集结果的网络图 。（备注：GSEA分析结果用的是和上面演示数据不同的文件，可自行更改）


文章插图

运行成功之后会弹出下面的提示框，结果直接展现在了Cytoscape中，如下图所示：


文章插图



文章插图

GSEA富集分析可视化结果是给每个功能基因集富集情况单独出一张图，有的时候我们想要比较基因集在两个不同的GO中的富集情况，利用GSEA软件分析得到的Excel结果表，提取有用的数据结果，在graphpad里进行加工再出图，可以达到我们想要的结果！

• 中国研究生准考证打印 研究生考试准考证打印要求
• 英语四级考试考什么 四级英语总分多少
• 天津会计初级考试 天津会计考试
• 四级考试时间 四级考试报名条件
• 英语口语考试常用对话 英语口语考试对话内容
• 公共英语等级有几级 全国公共英语等级考试
• 会计初级证书报名条件 会计初级职称考试报考条件
• 造价工程师入门手册书籍 造价师考试用书
• 幼儿教师招聘考试试题及答案？
• 广东省公务员考试成绩怎么查询？