生物信息學習的正確姿勢

NGS系列文章包括NGS基礎、在線繪圖、轉錄組分析?（Nature重磅綜述|關于RNA-seq你想知道的全在這）、ChIP-seq分析?（ChIP-seq基本分析流程）、單細胞測序分析?(重磅綜述：三萬字長文讀懂單細胞RNA測序分析的最佳實踐教程)、DNA甲基化分析、重測序分析、GEO數據挖掘（典型醫學設計實驗GEO數據分析 (step-by-step)）、批次效應處理等內容。

今天在討論群看到有群友提問 單基因GSEA怎么做？。之前也看到過這個概念，但一直不清楚這個單是什么含義，一直以為是用單個基因做GSEA。如果之前看過生信寶典的一文掌握GSEA，超詳細教程，一定會特別熟悉GSEA的原理和操作流程。當然越是理解，越是想不明白單個基因怎么做GSEA。當然如果您不熟悉GSEA，建議先看上一篇文章。

后來群友點撥理解了，不是對單個基因做GSEA，是拿單個基因 （一般是感興趣的基因）作為分組方式，探索與給定的單個基因相關的 （可以是表達相關，也可以是其它相關）基因富集在哪些調控通路和分子功能。

分組方法有兩種，一種是定性分組，一種是定量相關。

定性分組

根據感興趣的單個基因的度量值如表達值進行分組，比如按照該基因表達中位數分組，該基因表達值高于中位數的樣品為一組，低于中位數的樣品為一組，構建一個cls文件。如下，假如有8個樣品，其中4個樣品中該基因表達高 (samp1, samp3, samp7, samp8)，4個樣品中該基因表達低(samp 2 4 5 6)，則cls文件如下 (一定注意樣本順序要一致)：

8 2 1 #gene_high gene_low gene_high gene_high gene_high gene_high gene_low gene_low gene_low gene_low

調整后的表達矩陣格式如下 （注意列的對應，high對高的樣品。）

Gene samp1 samp3 samp7 samp8 samp2 samp4 samp5 samp6 A 4 4 4 4 1 1 1 1 B . . . . . . . . C . . . . . . . .

后續的操作就不說了，還是看生信寶典的一文掌握GSEA，超詳細教程，看完就都會了。

注：也可以按照該基因表達的第一和三四分位數分組，小于第一四分位數的為一組，大于第三四分位數的為另一組。

相關性排序

與前面把樣本分組不同，這里樣本不進行分組了，而是把感興趣基因的表達做為樣本的一個屬性。在做GSEA分析時，其它基因按照與感興趣基因的表達相關性排序進行后續分析。

這時應該怎么準備cls文件呢？

咱們先以一個時間序列樣本的cls文件為例：

• #numeric為固定寫法，第一行，不需要修改

• #Time名字隨便取，這里是時間序列，取名Time。#是必須的。

• 第3行是每個樣品的處理時間，0為0小時，1為1小時；每個時間3個重復，所以寫了3遍；總共5個時間點，15個樣品。

#numeric #Time 0 0 0 1 1 1 6 6 6 24 24 24 48 48 48

回到我們這個例子，還是8個樣品，分別為samp 1 2 3 4 5 6 7 8，假如感興趣基因是A，表達矩陣如下：

Gene samp1 samp2 samp3 samp4 samp5 samp6 samp7 samp8 A 9 8 7 6 3 4 1 2 B . . . . . . . . C . . . . . . . .

這時對應的cls文件這么寫（注意一一對應關系）。Aexpr隨便起的一個名字，代表A基因的表達。

#numeric #Aexpr 9 8 7 6 3 4 1 2

然后導入GSEA就可以分析了。需要注意的是選擇合適的Ranking metric，如pearson相關性、Cosine、Manhattan 或Euclidean。

基于相關性的GSEA操作展示

直接看動畫，數據格式也有展示，GMT文件是自己整理的。這是1我們單細胞和群體轉錄組課程的一個小環節 (回頭把這部分視頻拆出來放到騰訊課堂供訪問)。

公眾號看不了動畫，截圖兩張，點擊閱讀原文去查看吧。

討論學習是個很好的方式，歡迎大家有問題發到train@ehbio.com，信息全的，問題可重現的，或有意思的開放問題我們都會給予解決，寫個推文發出，既方便自己，又方便他人。

當然如果類似轉錄組怎么分析, 宏基因組怎么分析，這樣大的問題還是參加我們的線下培訓班或購買網課吧，都在www.ehbio.com/Training。

• 這個只需一步就可做富集分析的網站還未發表就被CNS等引用超過350次

• 什么，你算出的P-value看上去像齊天大圣變的廟？

• DESeq2差異基因分析和批次效應移除

• GO、GSEA富集分析一網打進

• GSEA富集分析 - 界面操作

• 無需寫代碼的高顏值富集分析神器

• 去東方，最好用的在線GO富集分析工具

• 沒錢買KEGG怎么辦？REACTOME開源通路更強大

• 超簡便的國產lncRNA預測工具LGC

• 一文掌握GSEA，超詳細教程

• UCSC XENA - 集大成者(TCGA, ICGC)

• ICGC數據庫使用

• TCGA數據庫在線使用

• BROAD開發的TCGA分析平臺，強大的下載功能

• cBioPortal功能強大的TCGA再分析平臺

• 這是數據更新最實時的TCGA網站，功能強大

• 不懂R，如何進行GEO數據庫表達譜的差異分析、富集分析、蛋白互作、可視化？

• 典型醫學設計實驗GEO數據分析 (step-by-step) - Limma差異分析、火山圖、功能富集

• 典型醫學設計實驗GEO數據分析 (step-by-step) - 數據獲取到標準化

• 為什么GEO2R/GEOquery的結果可能是錯的？

• WGCNA分析，簡單全面的最新教程

• psych +igraph：共表達網絡構建

• 一文學會網絡分析——Co-occurrence網絡圖在R中的實現

• 一文看懂PCA主成分分析

往期精品(點擊圖片直達文字對應教程)

后臺回復“生信寶典福利第一波”或點擊閱讀原文獲取教程合集

總結

以上是生活随笔為你收集整理的基因功能不确定？做一下单基因GSEA怎么样？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。