知否知否应是GSEA——转录组数据分析看过来（二）

上期小编给大家介绍了GSEA的基础原理，阐述了为什么要做GSEA，以及我司的优化的GSEA的亮点，接着一段视频欣赏重磅升级的GSEA网页版的效果！

1.GSEA所有图形的分辨率都是出版级别, 适用于任何高影响因子的杂志。

我司GSEA图相比Broad Institute图增加了阴影区域标示零假设分布,这样更容易比较看出p-value的显著性，便于用户更直观比较数据结果的准确性。

结合GSEA检出的差异功能集，后续还可以进行其它数据分析，进一步解读转录组下游功能，如在差异基因集中做转录因子分析；并提取转录因子显著富集结果进行激酶底物富集分析，汇总推测得到的Kinase（激酶）, TF（转录因子）, DEG（差异基因）之间的关系, 以及DEG之间的PPI调控关系, 并把它们之间的关系以Arc Diagram图展示(如下图）。

我们的结果都以html网页版的形式展出，输出为出版级别的矢量图（svg），结合第三方矢量图编辑软件(inkscape等)，用户可以把各组样本灵活组合成图，修改样本名称，以及在总的热图中挑选自己关注的基因组合成新的热图，并保存为不同的图片格式。

最后对GSEA中几个关键的概念做个介绍：

富集得分 (ES, enrichment score). 它反应基因集成员s在排序列表L的两端富集的程度，它反映的是将全部芯片数据或测序数据按表达量大小排序后，在此序列的前部或后部一个功能基因集富集的程度。当 ES 值为正，表示某一功能基因集富集在排序序列的前方，当 ES 值为负，表示某一功能基因集富集在排序序列的后方。

计算方式是，从基因集L的第一个基因开始，计算一个累计统计值。当遇到一个落在s里面的基因，则增加统计值。遇到一个不在s里面的基因，则降低统计值。每一步统计值增加或减少的幅度与基因的表达变化程度（更严格的是与基因和表型的关联度）是相关的。

ES标准化处理的值，为什么要做标准化处理：因为各个功能基因集中所包含的基因数不同，而且不同的功能基因集与要分析的目标基因列表也不同，因此在比较数据集在不同功能基因集中的富集程度时，需要对ES进行标准化处理。

LEADING EDGE：领头亚集。领头亚集中的基因是指对ES 值贡献最大的基因集合。当 ES 为正值时，领头亚集位于 ES值对应排序序列之前，反之，则位于 ES 值对应排序序列之后。领头亚集的出现可说明这些基因在通路中有富集，且这些基因在通路中有共同的表达趋势。