GSEA软件使用教程：基因集富集分析详解与数据准备

GSEA软件使用教程深入讲解了基因富集分析（Gene Set Enrichment Analysis，GSEA）这一生物信息学工具，它在比较两种或多种生物学状态（如对照组和处理组，或者时间序列）时，能够评估预定义的功能基因集在表达水平上是否存在显著且一致的差异。相比于传统的基因集富集分析（如GO和KEGG），GSEA有以下几个关键区别： 1. **输入数据类型**: - GSEA需要表达矩阵，即每行代表一个基因，每列代表一个样本的表达水平。 - 传统富集分析则是基于基因名的列表，而非具体的表达数据。 2. **数据预处理**: - 在GSEA分析前，需对基因表达数据进行排序，通常依据基因的统计学显著性或表达量。 - 传统富集分析则无需此步骤。 3. **差异检测**: - GSEA本身并不涉及差异分析，而是关注功能基因集在不同状态下的整体行为。 - 对比分析结果会展示基因集在特定条件下的变化趋势。 4. **数据需求**: - GSEA输入包含三种格式的文件：gmt格式的预定义基因集（如来自MSigDB的GO、KEGG、MSigDB自己或其他来源的集合）、gct格式的表达矩阵和cls格式的表型信息（如样本类别或疾病状态）。 - 如果使用芯片数据，还需要chip格式的探针到基因名的映射文件。 5. **MSigDB数据库**: - MSigDB（Molecular Signatures Database）是专为GSEA设计的数据库，提供大量预注释的功能基因集。 - 特点包括：覆盖多种来源和类型的基因集，包括从原始研究、GO、KEGG、TRANSFAC和L2L等网站获取的；同时包含人工收集和模型计算得出的基因集，相较于其他数据库更全面。 - 数据集分为多个类别，如hallmark genesets、positional genesets等，总共有8个主要类别。 - 提供的工具包括GSEA可视化分析软件，支持跨平台使用。 - 最新版本更新频繁，最近一次更新时间为2020年3月，MSigDB v7.1版本。 6. **参考引用**: - 使用GSEA时，记得引用官方资源，以确保研究的准确性和透明度。 总结来说，GSEA是一个强大的工具，其核心在于评估基因集在生物学状态变化中的行为，而MSigDB则为这种分析提供了丰富的数据资源和分析平台。学习和使用GSEA时，理解其输入格式、排序原则以及如何利用MSigDB的功能基因集，是成功进行基因集富集分析的关键。