从数据整理到软件使用，GSEA实操分享

之前在《如何完成GO富集分析并绘制柱状图？》和《如何完成KEGG pathway分析并绘制气泡图？》两篇文章中介绍了如何复现文献中的GO、KEGG富集分析结果。接下来，我继续演示复现文献中的GSEA结果。

数据准备

首先是GSEA软件的下载安装，GSEA的官网首页如下。

官方网站：

http://www.gsea-msigdb.org/gsea/index.jsp

点击Downloads选项，在相应的页面中找到对应系统的软件版本，我这里选择下载Windows版本。

另外，为了便于重现分析结果且让分析速度快一点，我这里选择将gene sets下载到本地。在Molecular Signature Database选项页面选择下载所需的基因集。依照文献，我这里下载H:hallmark gene sets（包含50个gene sets）、KEGG subset of CP两个基因集，点击Gene Symbols，下载基因ID为Symbol号的gmt格式文件，如下。

而KEGG subset of CP包含186个基因集，包含于C2: curated gene sets中，下载方法相同。

接下来是基因表达量文件的准备，数据来源于《如何绘制好看的差异基因热图？》一文中expr4变量对应的数据。使用Excel整理表达量数据，第1列为gene Symbol，第2列的数据随意，因为软件会自动忽略，但第1列和第2列的列名必须是“Name”和“Description”，如下图，其他列为不同样本对应的表达量，然后另存为制表符分隔的txt文件。

然后是分组文件（也称为表型文件）的准备。第1行包含3个数值，必须用空格分隔，其中第1个数值为样本数，第2个数值为分组数，第3个数值必须为1。第2行为比较组标签，第1个标签必须与表达量文件第1个样本相对应，也必须用空格分隔。第3行与表达量文件的样本顺序相对应，会出现在GSEA结果中的图表中，用制表符分隔。最后，将分组文件的拓展名改为“cls”。

软件使用

完成数据准备后打开GSEA软件，在Load data选项，点击Browse for files，一次性可将表达量文件、分组文件和两个基因集文件导入到软件中，在Object cache窗口中可查看导入后的数据。

当然，也可以右键文件路径，预览上传的数据。

如果数据的格式没问题，是可以直接用GSEA软件预览的，如下图，可见我准备的表达量文件没问题。

接下来点击Run GSEA选项，选择表达量文件和基因集文件，如下图，基因集文件选择本地文件。

接下来的是比较组的“方向”选择，类似于差异分析，这里选择Patient_versus_Control，即当采用默认的gene list降序排列时，Patient（“NOFH”）在绘图结果中位于左侧（positively correlated），而Control（“CONTROL”）位于右侧（negatively correlated）。计算Signal2Noise= (μ_A-μ_B)/(σ_A+σ_B)或log₂FC=log₂(μ_A/μ_B)时，Patient对应A组, Control对应B组。

其他的选项如下，Collapse/Remap to gene symbols选择No_Collapse；Permutation type设置为gene_set。

其他选项主要是分析名称、分析结果保存路径、图片格式和绘图数量的设置，这里选择生成SVG格式的矢量图，并在结果文件中生成30个显著富集的基因集图表。最后，点击Run按钮运行任务，当Status显示为Success时任务完成。

结果整理

在事先设置好的输出路径中，如下图，可查看分析报告和绘图结果（也可直接点击Success预览分析报告）。

随意选择一个基因集的富集分析图表进行查看，当然，可以将svg格式的压缩文件解压，svg格式的图片会更清晰。

当然，也可以使用Ps(Photoshop)软件，对得到的富集分析图片进行拼图，如下图，使用文字工具添加NES 和 Pvalue值。

这里挑选与文献完全一样的gene sets富集分析图表进行组合，最终得到的组合效果如下。

好啦，本次的分享到这里啦！

*未经许可，不得以任何方式复制或抄袭本篇文章之部分或全部内容。版权所有，侵权必究。

基迪奥生物|专业定制测序服务
联系方式：020-39341079；[e-mail]扫码关注