|
GSEA（Gene Set Enrichment Analysis; 基因集合富集分析) 富集是将一组基因根据一些先验的知识（也就是常见的注释）进行分类的过程。也就是物以类聚。我们一般会想到最常见的是GO/KEGG（pathway）富集，其思路是先筛选差异基因（也就是不同的处理后基因组里发生表达变化的那些基因。如果培养条件没有发生变化，那么细胞在短时间内是不会发生很大的基因表达差异的。当我们对细胞经行处理或者改变其培养条件的时候，细胞就会对外界的变法进行反应，以适应环境的变化。理解了基因组的变化规律，以及各个基因的功能，我们就可以理解细胞适应环境的机制），然后确定这些差异基因的GO/KEGG注释，然后通过超几何分布计算出哪些通路富集到了，通常会选择一个阈值来卡一下，比如p值和FDR等。因此这会涉及到人为的阈值选择，具有一定的主观性，而且只能用于差异较大的基因，所以结果可能有一定的局限性。 根据上述情况，有了GSEA（Gene Set Enrichment Analysis），其思路是发表于2005年的Gene set enrichment analysis: a knowledge-based approach for interpreting genome-wide expression profiles. 主要是要有两个概念： 1. 预先定义的基因集S（基于先验知识的基因注释信息，比如某一个生物功能或者信号通路里面涉及的基因。在图中就是一条条黑色的竖线）； 2. 待测基因集L（也就是我们想要分析的一组基因，一般是表达矩阵，而不是单纯的基因列表。包括基因名称和基因表达情况。虽然是基因集，但其实是一个大集合，甚至可能包括所有基因的表达情况。我们做实验提蛋白/RNA/DNA时很多时候都是提总体的，我们称之为总蛋白-total protein；总RNA-total RNA; 总DNA-基因组。我们这里得到的表达矩阵也可能包含全体基因组的表的情况。当然也可以是我们选择的基因集，不过要保证这个集合大于预先定义的基因集S，也就是要扩大分析范围。我们提供的表达矩阵的颜色和图中中间横条的颜色是一一对应的）； GSEA目的就是判断S基因集中的基因是随机分布于L（排序后的数据集，按什么来排序的呢？排序依据就是表达矩阵里所有基因的表达情况。从下图中我们可以看到中间有由红到蓝排序的一长条，其实这就是待测基因集L。这个表达高低不是绝对的或者真实的表达水平高低，而是和对照组control比较的，比如不受实验处理影响的管家基因就是中间白色的部分），还是聚集分布在L的顶部或者底部（这也就是富集）。如果待测基因集中的某些基因显著富集在L的顶部或者底部，这说明这些基因的表达（因为其是根据表达谱数据）对你定义的分组（预先分组）的差异有显著影响（一致性），从而找到我们关注的基因集； 简单说，待测基因集L就相当于提供一系列不同水平的位置，然后让预先定义的基因集S对号入座，在左边坐（富集）就相当于这个预先定义的基因集S在我们的处理体系中水平上调了；同理，在右边坐（富集）就相当于这个预先定义的基因集S在我们的处理体系中水平下调了；如果均匀分布，这个很难解释，对于一个生物功能/信号通路的某一些基因表达增强了，而有些却减弱了，这不能说明这个生物功能/信号通路上调或下调，不过这可能暗示这个生物功能/信号通路的不同成员在我们的处理环境中扮演相反的作用。换一种说法，待测基因集L本来是混乱的/有待分析的，我们先将这一些列的基因按照相对的表达水平排序，然后让预先定义的基因集S认领各个基因的具体位置，不同位置就代表不同的相对表达水平。待测基因集L相当于参加高考的学生们，而预先定义的基因集S就是不同社区的家长，学生先按高考成绩排序，然后每个家长都站到自己孩子旁边，这样某个社区的家长整体的相对位置就代表这个社区的教育水平了。 在富集分析的理论中，GSEA可以认为是第二代，即Functional Class Scoring (FCS) Approaches
分析结果示意图  GSEA-homegraphic.gif ========================= 分析结果文章里最常见的GSEA的结果图片，如下图所示：  GSEA_result 从图上，可以看到Enrichment plot(富集图表）后面由一段文字，这里指某个生物功能或者信号通路，代表预先定义的基因集S。我们一般关注ES值，峰出现在前端还是后端（ES值大于0在前端，小于0在后端。这与待测基因集L按相对表达水平排序相呼应）以及Leading-edge subset（即对富集贡献最大的部分，领头亚集）；在ES图中出现领头亚集的形状，表明这个功能基因集在某处理条件下具有更显著的生物学意义；对于分析结果中，我们一般认为|NES|>1，NOM p-val<0.05，FDR q-val<0.25的通路下的基因集合是有意义的。 除了上述的结果外，GSEA还提供了Running the Leading Edge Analysis等操作。 ------------------------------------------------------------------------ 嫌太长不爱看的看这： ------------------------------------------------------------------------- |
|
|
