LOGO
当前位置: 首页 > 分析服务 > 生物信息分析服务 > Human表达数据的GSEA分析
  Human表达数据的GSEA分析

GSEA是常用的一种FCS方法. 其基本思路是首先基于表达差异值对全基因组基因进行排序得到基因列表, 然后检验待测基因功能集中的基因相对于随机情况而言, 是否显著地位于基因列表的顶端或底端, 即待测基因集的表达水平在案例和对照实验状态下是否发生了明显的变化. 具体而言, GSEA首先计算了每个基因的表达水平与案例和对照两种状态下的关联系数, 并对关联系数从高到低进行了排序; 然后, 针对一特定的待测基因功能集, 根据其中每个基因的排序情况, 利用加权的近似KS检验, 获得待测基因功能集在排序列表中的KS检验值—也即待测基因功能集的统计值; 为检验观察统计值的显著性, GSEA通过对样本的随机排列来获得统计值的背景分布, 并利用该分布来评估观察统计值的P值. 除对样本的随机排列外, 在样本量较少的情况下, GSEA也可用对基因的随机排列来估算待测基因功能集的显著水平. (王潇等 基因功能富集分析的研究 中国科学:生命科学 2016年第46卷 第4期:363~373)

可以用R对人类的表达数据进行分析KEGG通路和GO功能的GSEA分析,找到显著的通路并输出统计表和一系列的图。

KEGG通路的GSEA分析

显著的通路
显著的通路
 
显著的前10个通路的条形图
显著的前10个通路的条形图
 
示例图1
示例图1
 
示例图2
示例图2
 

 

GO功能的GSEA分析

 

Top10 enriched GO Biological Process Gategories
Top10 enriched GO Biological Process Gategories
 
DAG图
DAG图
 

 

Enriched map of GO Biological Process
 
示例图1
示例图1
 

 

-------------------------------------------------------------------------

微信扫一扫,加我们的公众号,可以有更多的信息。

招贤纳士  |   合作伙伴  |   企业文化  |   公司介绍  |   访问次数: Website Hit Counters
上海生咨生物科技有限公司版权所有 沪ICP备14048106号