GSEA | 基因富集分析

软件下载网址：GSEA (gsea-msigdb.org)
GSEA不需要设置阈值过滤基因，有助于我们从整体通路分析差异。 一. 数据准备

1.数据集（tpm_bulk.gct）：你需要分析的表达矩阵，建议bulk数据用tpm标准化后的
第一行：#1.2默认的，不用改。
第二行：矩阵总共的基因数量和样本数量。
第三行及下：你的表达矩阵，Description不能为空，可以是na。

可以在excel里处理文件，保存为制表符分隔文件（.txt），直接重命名改后缀为gct即可。 2.样本信息表（DATA_info.cls）

第一行：样品总数、分组数、不用改的数字1。
第二行：样品分组名称
第三行：样品分组信息，与.gct文件对应。

3.参考基因集（geneset.gmt） 第一列：通路名称
第二列：通路编号

第三列及之后：该通路包含的所有基因，基因名称需要与.gct文件中的基因名称一致。
常用的有KEGG和GO基因集，获取基因集的方法：
1）MSigDB官网以及GSEA软件自带的基因集，大部分是有的，但是比KEGG官网上少了很多，官网也有一直在更新，MSigDB官网和GSEA软件没有跟上
2）自己去官网下载制作，生信技能树之前有提到过
3）最近看到python爬取KEGG数据库的，使用更方便，研究中……

二.软件使用

1. 上传数据（load data）
   直接上传前面准备的三个文件即可，成功了会提示No Error。

   
   
   

   2.参数设置
   Expression dataset：选择上传的表达矩阵.gct
   Gene sets database：选择上传或自带的基因集.gmt
   Number of permutations：置换检验的次数，一般为1000
   Phenotype labels：需要比较的两组，.cls文件的分组，实验组比对照组。
   Collapse/Remap to gene symbols：基因symbol转换，文件的基因都是symbol就选No。
   Permutation type：每组样本数量大于7选phenotype，否则选gene_set。

   
   
   Analysis name：输出的文件名
   
   Plot graphs for the top sets of each phenotype：最终画图的数量
   
   3.运行：直接Run
   4.查看结果
   运行完左侧这里会出现文件名和succes，双击可以打开网页查看结果，一般通过|NES|>1&p-value<5%&FDR q-val<25%筛选结果，如果数量太多可以更严格一些筛选，或者考虑是不是输入的文件有问题。