差異分析相信大家應(yīng)該是都沒有問題了，就是跟著我在生信技能樹的教程走，當(dāng)然也會有一些小細(xì)節(jié)需要注意，在 你確定你的差異基因找對了嗎？ 我很好的示范了部分細(xì)節(jié)。

差異分析系列推文在：

• 解讀GEO數(shù)據(jù)存放規(guī)律及下載，一文就夠

• 解讀SRA數(shù)據(jù)庫規(guī)律一文就夠

• 從GEO數(shù)據(jù)庫下載得到表達(dá)矩陣 一文就夠

• GSEA分析一文就夠（單機(jī)版+R語言版）

• 根據(jù)分組信息做差異分析- 這個一文不夠的

• 差異分析得到的結(jié)果注釋一文就夠

不過，標(biāo)準(zhǔn)分析通常是不夠的，定位到成百上千個有統(tǒng)計學(xué)顯著變化的差異表達(dá)基因后，同樣是有成百上千個生物學(xué)功能注釋（GO功能和KEGG通路），普通的超幾何分布檢驗(yàn)已經(jīng)不能滿足大家多元化的分析了，所以就有了大家耳熟能詳?shù)腉SEA分析，以及絕大部分人比較陌生的GSVA分析。

GSVA分析的文章發(fā)表于2013年，GSVA: gene set variation analysis for microarray and RNA-Seq data 同樣是broad 研究生出品，其在2005年P(guān)NAS發(fā)表的gsea已經(jīng)高達(dá)1.4萬的引用了，不過這個GSVA才不到300。去年我就介紹過一波它的分析流程，在：使用GSVA方法計算某基因集在各個樣本的表現(xiàn) 非常簡單的代碼，所以各個培訓(xùn)機(jī)構(gòu)，公司人員都開始學(xué)習(xí)和二次創(chuàng)作進(jìn)而分享?？紤]到最近郵箱接收的GSVA提問比較多，我這里還是得再次歸納總結(jié)一波，這次我準(zhǔn)備從GSVA其實(shí)就是pathway級別的差異分析的角度來分享。

一般人做數(shù)據(jù)挖掘，到差異基因的生物學(xué)功能注釋（GO功能和KEGG通路）就結(jié)束了，進(jìn)而也就是去使用一些網(wǎng)頁工具，比如string，出一些花花綠綠的圖表，比如PPI網(wǎng)絡(luò)圖。實(shí)際上，使用了GSVA，可以把成百上千個生物學(xué)功能注釋（GO功能和KEGG通路）轉(zhuǎn)換為新的表達(dá)矩陣，就是具體的每個通路在各個樣本的基因集變異分析（Gene Set Variation Analysis，GSVA）值，我們把它當(dāng)作一般的矩陣文件，進(jìn)行差異表達(dá)分析，熱圖繪制，火山圖繪制。

下面我們以文獻(xiàn) Metabolic remodeling contributes towards an immune‐suppressive phenotype in glioblastoma 為例，欣賞它的兩個圖表，文章發(fā)表在Cancer Immunology, Immunotherapy (2019)

https:///10.1007/s00262-019-02347-3

基于pathway的熱圖

雖然作者這里使用的代謝組學(xué)數(shù)據(jù)：

Global metabolomic profiling was performed on patient-derived glioblastoma (GBM; n=80) and LGA (n=28) tumor samples using LG/GC–MS.

本質(zhì)上仍然是記錄表達(dá)量。

基于pathway的火山圖

pathway的具體含義

pathway在我這里是其實(shí)想指代基因集的別名，其中msigdb有著豐富的基因集，MSigDB（Molecular Signatures Database）數(shù)據(jù)庫中定義了已知的基因集合：http://software./gsea/msigdb

包括H和C1-C7八個系列（Collection），每個系列分別是：

• H: hallmark gene sets （癌癥）特征基因集合，共50組，最常用；

• C1: positional gene sets 位置基因集合，根據(jù)染色體位置，共326個，用的很少；

• C2: curated gene sets：（專家）校驗(yàn)基因集合，基于通路、文獻(xiàn)等：

• C3: motif gene sets：模式基因集合，主要包括microRNA和轉(zhuǎn)錄因子靶基因兩部分

• C4: computational gene sets：計算基因集合，通過挖掘癌癥相關(guān)芯片數(shù)據(jù)定義的基因集合；

• C5: GO gene sets：Gene Ontology 基因本體論，包括BP（生物學(xué)過程biological process，細(xì)胞原件cellular component和分子功能molecular function三部分）

• C6: oncogenic signatures：癌癥特征基因集合，大部分來源于NCBI GEO  發(fā)表芯片數(shù)據(jù)

• C7: immunologic signatures: 免疫相關(guān)基因集合。