GSEA富集结果

基因集富集分析(Gene Set Enrichment Analysis, GSEA)是通过对全基因组排序数据，评估预定义的 KEGG 通路（如 Ribosome、Spliceosome 等）是否在高或低表达基因中显著富集。
方法介绍：
首先，根据基因表达水平对基因进行排序，形成一个基因列表。
然后，根据预定义的基因集（如某个通路中的基因集合），在排序后的基因列表中寻找基因集的分布情况。
通过计算富集分数（Enrichment Score, ES）来衡量基因集在基因列表中的分布趋势。ES值反映了基因集在基因列表中的聚集程度。
最后，通过置换检验（Permutation Test）计算P值，判断基因集的富集是否具有统计学意义
输出结果：通常以富集曲线图（Enrichment Plot）的形式展示，显示基因集在基因列表中的分布情况。结果中会包含富集分数（ES）、P值、校正后的P值（如FDR）等信息。
优点：考虑了基因表达水平的变化趋势，能够更全面地反映基因集在样本中的生物学意义，适用于分析复杂的基因表达模式。

1 富集分数：富集曲线（Running Enrichment Score）
显示该通路中基因在整体排序列表中的分布情况。每个位置对应的ES值的分布曲线。
曲线向上凸起（ES > 0）：表示该通路在高表达端富集（可能上调）。
曲线向下凹陷（ES < 0）：表示该通路在低表达端富集（可能下调）。

2 基因排序和位置：通路基因在排名中的位置条
该通路中的基因位于排序列表中的位置，每个黑线代表该通路中的一个基因。
每一条小竖线代表该通路中的一个基因在全排序基因中的位置。
如果集中在排序靠前部分，说明通路富集在高表达基因中。

3 指标排名得分：Ranked List Metric
展示排序指标值的分布，帮助判断整体排序方向。所有基因排序后的分布情况，其中红色对应基因在处理中高表达，蓝色对应基因在处理组中低表达。
举例解读：

image.png

补充：
富集曲线怎么画出来的？
先对全基因进行排序（比如根据 log2 fold change 从高到低）。
然后，从左到右扫描整个排序列表：
如果当前位置的基因属于你定义的目标基因集合：富集得分增加（向上“走”）
如果不是：富集得分减少（向下“走”）
每一步的变化是“一个基因一跳”，所以每次变化都是一段小的、固定斜率的直线。