清苑建设局网站,做网站h5,厦门网站建设是什么,建设棋牌网站流程爱基百客云平台小工具使用 1.1 爱基百客云平台之GSEA分析 1.2 GSEA富集分析原理图 1.3 GSEA富集分析过程 1.4 参数设置 1.5 任务查看 1.6 结果 1.6.1 富集结果表格 1.6.2 富集可视化图解读 01
爱基百客云平台小工具使用 首先#xff0c;打开爱基百客官网#xff1a;http://w…· 爱基百客云平台小工具使用 1.1 爱基百客云平台之GSEA分析 1.2 GSEA富集分析原理图 1.3 GSEA富集分析过程 1.4 参数设置 1.5 任务查看 1.6 结果 1.6.1 富集结果表格 1.6.2 富集可视化图解读 01
爱基百客云平台小工具使用 首先打开爱基百客官网http://www.igenebook.com点击菜单栏最右侧“云平台”按钮。 弹出云平台界面下图输入账号、密码和验证码方可登录进入云平台可以轻松实现多种组学数据的分析和可视化实现真正的“零代码、无门槛、操作简单” 登陆后如下图我们进入到小工具专栏。当前云平台已上线了32款小工具供大家使用包括基础绘图高级绘图差异检验聚类分析序列处理等子模块本着用户至上的理念平台小工具将会持续更新维护积极接受用户的反馈和意见。 1.1
爱基百客云平台之GSEA分析 上期我们讲到了富集分析。那本期我们就接着来聊一聊富集分析里面的新星GSEAGene Set Enrichment Analysis富集分析。
常规的富集分析通过log2fc筛选差异基因将筛选差异基因的标准聚集在单个基因的差异表达上可能会错过真正具有生物学含义的基因群差异。于是我们可以选择进行GSEA富集分析。GSEA集富集分析有以下几个优点
1. 全局视角GSEA不仅关注单一基因的差异而是关注一组基因集合的整体行为这使得它能揭示生物学过程的整体模式而不仅仅是局部变化。
2. 生物意义通过预定义的基因集GSEA提供了生物学意义的验证比如特定通路的活动这有助于理解基因表达变化背后的生物学背景。
3. 适应复杂数据GSEA可以处理复杂的数据分布如连续的基因表达数据而不仅仅是二元的上调或下调状态。 1.2
GSEA富集分析原理图 1.3
GSEA富集分析过程 1. 计算富集分数ES 富集分数S 反应基因集比如某个通路内的基因集成员 s 在排序基因集 L比如根据 logFC 排序的差异基因集默认降序所以上调基因在顶端的两端富集的程度。富集得分 ES 最后定义为最大的peak值。正值ES表示基因集 S 在基因集 L 的顶部富集负值ES表示基因集 S 在基因集 L 的底部富集。
2. 估计富集分数的显著性水平因为每个基因集的大小不同而 ES 又和基因集大小有关因此需要对其进行 normalization。为了检验每个基因集的 NES 是否显著将总基因集 L 随机打乱排列一定次数每次都计算每个基因集的 NES(ES)得到每个基因集的 NES 在随机排序情况下的理论分布从而计算其 p 值。
3. 矫正多重假设检验 FDR 则是对 p 值进行 BH 校正之后的 p 值。
爱基百客云平台提供了GSEA分析小工具http://124.71.149.47:5000/smalltools/detail?id1638074560383299585。如果您在我司做过项目直接输入差异分析表格和基因组名称即可一键式完成富集分析。
下面我们进行GSEA富集分析实操练习。
首先点击小工具GSEA富集分析。 右侧的工具介绍和常见问题对富集分析小工具的主要用途使用方法以及结果解读做了详细的说明。左侧是必要的输入文件和参数选项。任务名称和任务编号系统会自动生成。后面可用于记录查看具体的任务。小工具提供了示例文件给用户做测试分析。同时该页面还提供了一些常用参数调节选项。您也可进行自定义后面将详细介绍。输出名自定义默认Enrich。 1.4
参数设置 输入文件支持txt(制表符分隔)文本文件以及Excel专用的xlsx格式同样支持旧版Excel的xls(Excel 97-2003 )格式。
差异基因表格必须包含Gene列和logFC列。如下表所示 如果文件已经上传过您可以直接点击选择按钮找到需要的文件勾选确定无须再次上传。
物种选择项目中所使用的基因组名称富集类型支持GO和KEGG基因列和logFC列的名字根据输入表格的信息填写显著性阈值您可根据实际情况进行筛选默认是p.adjust 0.05绘图个数默认选取排名靠前的10个通路绘制你可自行选择需要展示前多少个输出名自定义即可。
填写好上述所有的参数后点击提交即可。 1.5
任务查看 您可在任务管理栏中查看任务的运行情况和结果。默认情况下新任务将会在最上方展示。也可通过任务名、任务编码、日期点击查询找到需要的任务。如下图当状态成功时表示任务成功结束。 点击下载按钮可直接打包下载全部结果。点击查看按钮可在线查看结果。 您可在在线查看结果后选择是否下载保存。另外如果结果较多时结果展示区还可通过点击左侧或右侧的箭头进行图片切换。您可挑选自己感兴趣的结果图片进行下载保存。 1.6
结果 输出结果包含GSEA富集总表和若干通路的GSEA富集图。 1.6.1
富集结果表格 ID通路名 Description通路描述信息 setSize该通路中包含表达数据集文中的基因数目经过条件筛选后的值 enrichmentScore富集分数 NES标准化后的富集分数 pvalue是对 ES 的统计学分析用来表征富集结果的可信度 p.adjust是多重假设检验校正之后的 p-value qvalues是多重假设检验FDR法校正之后的 p-value即对NES可能存在的假阳性结果的概率估计。GSEA 对显著性的定义为 p-value5%FDR q-val25% rank当 ES 最大时对应基因所在排序好的基因列表中所处的位置 leading_edgetags 表示核心基因占该通路基因集的百分比list 表示核心基因占所有基因的百分比signal将前 2 项统计值结合在一起计算出的富集信号强度 core_enrichment核心富集基因集 1.6.2
富集可视化图解读 富集图一共分为上中下 3 部分。如A_VS_B差异分析 第一部分 ES 折线图显示了当分析沿着排序基因集按排序计算时ES 值在计算到每个位置时的展示。最高峰处的ES得分 (垂直距离 0.0 最远)便是基因集的 ES 值。 第二部分 hits 图俗称条形码图用线条或者 hit 标记了通路基因集基因组所有中成员出现在基因排序列表中的位置。如果基因集里的基因 集中在所有基因的前部分就是在A组里面富集如果集中在后面部分就是在B组里面富集。leading edge subset 就是0,0到绿色曲线峰值 ES 出现对应的这部分基因x轴0到虚线那部分。所谓 Leading-edge subset就是对富集得分贡献最大的基因成员。如果ES得分都是正值如上图所示那么Leading-edge subset就在峰值ES的左侧反之则在右侧底部富集 A/B 下调表达 B 组高表达。那么根据本图我们很容易看出该通路在 A 组高表达。 第三部分是排序后所有基因 rank 值的分布热图红色部分对应的基因在 A 组高表达蓝色部分对应的基因在 B 组高表达每个基因对应的信噪比Signal2noise前面选择的排序值计算方式以灰色面积图展示。
如果常规富集没有拿到预期的结果大家完全可以拿GSEA再分析一次说不定有惊喜哦。
