gsea结果如何看,gsea富集分析结果解读

GSEA分析也是功能分析的一种，GSEA的结果图想必大家也不陌生，接下来就让小编带大家画一下炫酷的基因集富集分析图吧~GSEA富集分析可以用GO的基因集也可以用KEGG的基因集，今天来看一下GSEA-KEGG分析首先加载相关的R包

###########加载

library(topGO)

library(enrichplot)

library(ggplot2)

library(org.Hs.eg.db)#人类基因组注释相关的包

library(DO.db)

library(clusterProfiler)

导入需要进行分析的基因，在这里，我们以差异表达分析中所有上调的基因

###########差异分析结果

AML_diff

AML_genelist_up0)),]

head(AML_diff)

head(AML_genelist_up)

因为entrez ID 进行下一步分析比较准所以利用bitr函数转换一下ID,这里会转换

###########ID转换

AML_genelist_up_l

fromType="ENSEMBL",toType="ENTREZID",

OrgDb="org.Hs.eg.db",drop = TRUE)#转换ID

由于表达谱的基因ID一般是ensemblID，而 gseKEGG接受的ID是entrezID所以构建genelist要将entrezID、ensemblID和logFC合并

###########信息合并

AML_genelist_up

names(AML_genelist_up)

AML_up

AML_up

gseKEGG的输入必须是排序后的geneList；需要两列：命名(每一个数字都有一个对应的名字，就是相应的基因ID了)；排序(是一串数字，数字是从高到低排序的)

###########排序

geneList

names(geneList) = as.character(AML_up[,1])

geneList= sort(geneList, decreasing = TRUE)#构建geneList,并根据logFC由高到低排列

下面进行gseKEGG分析 ###########GSEA分析

AML_GSEA_KEGG_up

geneList =geneList,

nPerm = 1000,#

keyType = "kegg",#可以选择"kegg","ncbi-geneid", "ncib-proteinid" and "uniprot"

organism = "hsa"#定义物种,

#pvalueCutoff = 0.05, #自定义pvalue的范围

#pAdjustMethod     = "BH" #校正p值的方法

)AML_GSEA_KEGG_up$Description#富集到那些基因集上

AML_GSEA_KEGG_up$enrichmentScore#富集得分

#根据enrichmentScore对GSEA的结果进行排序

sortAML_GSEA_KEGG_up

开始画图

###########画图

gseaplot2(AML_GSEA_KEGG_up,row.names(sortAML_GSEA_KEGG_up))

美化-只显示前三个基因集：

###########美化

gseaplot2(AML_GSEA_KEGG_up,row.names(sortAML_GSEA_KEGG_up),#只显示前三个GSEA的结果

title="AML_GSEA_KEGG_up",#标题

color = c("#626262","#8989FF","#FF0404"),#颜色

pvalue_table = FALSE,

ES_geom = "line"#enrichment scored的展现方式 "line" or "dot")