文章插图



2. 样品分组信息

• 第一行：三个数分别表示：34个样品，2个分组，最后一个数字1是固定的；
• 第二行：以#开始，tab键分割，分组信息（有几个分组便写几个，多个分组在比较分析时，后面需要选择待比较的任意2组）；
• （样品分组中NGT表示正常耐糖者，DMT表示糖尿病患者，自己使用时替换为自己的分组名字）
• 第三行：样本对应的组名 。样本分组信息的第三行，同一组内的不同重复一定要命名为相同的名字，可以是分组的名字 。例如相同处理的不同重复在自己试验记录里一般是Treat6h_1、Treat6h_2、Treat6h_3，但是在这里一定都要写成一样的值Treat6h 。与表达矩阵的样品列按位置一一对应，名字相同的代表样品属于同一组 。如果是样本分组信息，上图中的0和1也可以对应的写成NGT和DMT，更直观 。但是，如果想把分组信息作为连续表型值对待，这里就只能提供数字 。
• 
  

文章插图

3. 功能基因集文件（gene sets）
GSEA官网提供了8种基因分类数据库，都是关于人类的数据，包括Marker基因，位置临近基因，矫正过的基因集，调控motif基因集，GO注释，癌基因，免疫基因，最新一次更新是在2018年7月，下载地址：
http://software.broadinstitute.org/gsea/downloads.jsp#msigdb 。


文章插图

官网提供的gmt文件有两种类型，*.symbols.gmt中基因以symbols号命名，*.entrez.gmt中基因以entrez id命名 。注意根据表达矩阵的基因名字命名方式选择合适的基因集 。表达数据和通路数据能关联在一起依赖的是基因名字相同，所以一定保证基因命名方式的统一 。


文章插图

gmt格式是多列注释文件，第一列是基因所属基因集的名字，可以是通路名字，也可以是自己定义的任何名字 。第二列，官方提供的格式是URL，可以是任意字符串 。后面是基因集内基因的名字，有几个写几列 。列与列之间都是TAB分割 。
Pathway_descriptionAnystringGene1Gene2Gene3Pathway_description2AnystringGene4Gene2Gene3Gene5GSEA官网只提供了人类的数据，但是掌握了官网中基因表达矩阵和注释文件的数据格式，就可以根据自己研究的物种，在公共数据库下载对应物种的注释数据，自己制作格式一致的功能基因集文件，这样便就可以做各种物种的GSEA富集分析了 。
4. 芯片注释文件
如果分析的表达数据是芯片探针数据就需要用到芯片注释文件（chip），用来做ID转换，把探针名字转换为基因名字 。如果我们的表达数据文件中已经是基因名了就不再需要这个文件了 。
演示使用的数据来自GSEA官网：

• 表达矩阵：Diabetes_collapsed_symbols.gct
• 样品分组信息：Diabetes.cls
• 基因功能分类数据选择GO数据库：c5.all.v6.2.symbols.gmt
• 因为表达矩阵与注释中基因名字可以直接对应，第四个文件不需要

1. 数据导入


文章插图

按照上图步骤依次点击Load data——Browse for file——在弹出文件框中找到待导入的文件，选中点击打开即可；
若文件格式没问题会弹出一个提示There were no error的框，证明文件上传成功，并且会显示在5所示的位置；若出错，请仔细核对文件格式 。

• 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？