富集分析

写在前面：

• 1某些富集代码 |关于GSEA|某些主流富集分析工具

两类富集分析

• A：差异基因富集分析（不需要表达值，只需要gene name）
• B: 基因集(gene set)富集分析（不管有无差异，需要全部genes表达值）

A：差异基因富集分析（不需要表达值，只需要gene name）

-----------富集什么-----------

• 最常用的基因注释工具是GO和KEGG注释，这基本上是差异基因分析一定做的两件事。GO可以在GO:BP(生物过程），GO:MF(分子功能），GO:CC(细胞组分）三个方面分别进行注释，用的比较多的是GO:BP，但其他两方面也很重要。
• 外还有一个软件不得不提，那就是IPA（Ingenuity pathway analysis），这是一个收费软件，有基本版和高级版。我个人觉得它的upstream regulator analysis还是很不错的。分子激活功能等也可以用用。另外一个就是它内置的热图功能。高级版我没用过，但是知道可以导出一些数据等。

--------什么是富集（原理）--------

富集的统计学基础是超几何分布，简单来说根据下面的Fisher精确检验（Fisher exact test）公式，对每个GO或KEGG term计算一个p值

p=(M/K)(N-M)/(n-k)/(N/n)，其中

N：所有gene总数

n：N中差异表达gene的总数

M：N中属于某个GO term的gene个数

k: n中属于某个GO term的gene个数

p：表示差异表达gene富集到这个GO term上的可信程度

• 当p<0.05或0.01，则认为差异表达gene显著到这个GO term上（自己定义p值）
• 意义：提供的信息更集中，更有意义

---------------拿什么来富集---------------

得到的差异表达基因列表就可以，也就是说不需要其他的值

---------------用什么工具富集--------------

只能说实在是太多太多了。。。。但是用的时候要小心，因为你多用几个工具，即使设定同样的p值也会发现结果有出入，有时还差异挺大。

1 按使用方式来说（简单度）有3种

• （1）在线版：最主流的就是DAVID,各种级别杂志总见其身影，使用非常简单，不再赘述。另外还有Gather，GOrilla,revigo,还有很多很多我就不在贴了。网页版有网页版的好处，可以先大概看下自己筛选的genes。另外很多工具有很好的可视化功能，自己一一去探索吧。
• （2）客户端版：IPA（IPA不是用的GO和KEGG数据库）和FUNRICH，后者更新速度很慢，但里面有好玩又实用的功能，并且可以加载自己的数据。
• （3）R包：介绍一个就行了，那就是Y叔的clusterProfiler，我论文中的富集功能很多都是用这个包做的（还有的用了IPA）。

B: 基因集(gene set)富集分析（不管有无差异，需要全部genes表达值）

• 好处：可以发现被差异基因舍弃的genes可能参与了某重要生理过程或信号通路(参看这里)
• 工具：GSEA
• 使用方法：R（还是clusterProfiler）或客户端