gmt文件可能对于很多人来说比较陌生，但是对于使用GSEA（https://www.gsea-msigdb.org/）做过基因富集分析的人应该并不陌生。
gmt（Gene Matrix Transposed，基因矩阵转置）文件，里面保存的是一些基因列表的信息。每一行代表一个基因列表，基因之间以制表符隔开。下面是一个gmt文件的示例。第一列是基因列表的名字，第二列一般是描述信息，说明这套基因列表从哪里收集的，也可以为空或者用NA表示。从第三列开始，每一列是一个基因的名字。每一行的长度可以不一致，也就是说每一个基因列表中包含的基因数可以不一样。
在GSEA的官网上（https://www.gsea-msigdb.org/gsea/downloads.jsp）
将所有的基因集划分为以下8大类
1. H: hallmark gene sets
该类别包含了由多个已知的基因集构成的超基因集，每个H类别的基因集都对应多个基础的其他类别的基因集。
2. C1: positional gene sets
该类别包含人类每条染色体上的不同cytoband区域对应的基因集合。根据不同染色体编号进行二级分类。
3. C2:curated gene sets
该类别包含了已知数据库，文献和专家支持的基因集信息，包含下面5个二级分类
4. C3 : motif gene sets
该类别包含了miRNA靶基因和转录因子结合区域等基因集合
5. C4 : computational gene sets
该类别包含计算机软件预测出来的基因集合，主要是和癌症相关的基因
6. C5 : GO gene sets
该类别包含了Gene Ontology对应的基因集合，分为以下3大类别
7. C6 : oncogenic signatures
该类别包含已知条件处理后基因表达量发生变化的基因，
8. C7 : immunologic signatures
该类别包含了免疫系统功能相关的基因集合。
下期我们将来谈谈如何用R读取gmt文件，为后续富集分析做准备。
网友评论