|
前面在GSEA可以做什么中列了GSEA的一些應用場景，這個算其中之一,，也是相對被遺落的一個分析，其實還是比較有用的,，那就是leading edge analysis,。更多GSEA結果解讀。
它可以做什么,？有沒有哪個（些）genes在富集到的GO或kegg里出現(xiàn)次數(shù)最多（意味它可能很關鍵,，連接很多信號通路或生理過程等），這個功能通過leading edge analysis實現(xiàn),。同時它也有弊端,，那就是這其中有富集到的GO結果的冗余性，但是這個是可以解決的,。(具體解決方式,，可先google什么是GO的冗余性，怎么去除,，然后再知道GSEA的分析原理,，就可以了。) 也就是說：LEA可以有助于知道富集到的GO term中哪些gene出現(xiàn)最多,，它很可能很關鍵,，但一定考慮GO term的冗余，而這個是GSEA本身無法通過設置參數(shù)解決的,。
假如已經得到了GSEA的富集分析結果,，就可以進行Leading edge analysis了，LEA可以提供哪些gene（指的是零頭亞基）對給定的gene sets貢獻最大,。（領頭亞基指對Es值貢獻最大的基因集合）,，領頭亞集由ES決定。 1 選擇合適的Gene sets，這可以由FDR cut-off設定 2 GSEA軟件會輸出4個圖,，代表1中選出的亞基重疊,，分別為
a：heatmap，顯示領頭亞集clusters或表達值,，并用顏色表示范圍,，low-high
b:set to set graph，顯示gene set間的重疊,，用顏色表示set之間共享的gene數(shù)目
c：基因集中的gene列表,，一個具體的gene屬于多少sets，這可以給出一定的信息,，和生物學問題先關的關鍵genes 3 可以生產build HTML Report,，所有LEA細節(jié)，組成leading edge subset genes,，與表型相關的表達值間有高相關性,，并且傾向于極端分布而不是隨機分布。通常這些領頭亞集中的gene對ES得分有直接關系,。這些都基于幾個統(tǒng)計學值,。如果tag，list,，signal
Tag：領頭亞集中的gene數(shù)目,，而這些gene直接貢獻了+ES.
List：給出了這些gene的位置或Rank
Signal：genes的強度和strength或intensity
GSEA module，一個關鍵應用是看兩個groups之間富集的gene的重疊性,。overlap之間的比較,。可以延伸,，更好理解哪些genes更傾向涉及表型,。
作者：Y大寬
鏈接：https://www.jianshu.com/p/9d6271b55dc7
來源：簡書
著作權歸作者所有。商業(yè)轉載請聯(lián)系作者獲得授權,，非商業(yè)轉載請注明出處,。
|
