g988.cn本文目录一览：
基因集富集分析
1、图最上面部分展示的是富集分数（ES， enrichment score）值计算过程，从左至右每到一个基因，计算出一个ES值，连成线。在最左侧或最右侧有一个特别明显的峰值就是基因集表型上的ES值。
2、考虑到这些缺点，2005年提出了基于基因集定义的基因富集分析方法，很多人管单基因分析叫bottom-up，富集分析叫top-down。
3、分析比较一种生物学状态的研究群体的【过表达差异基因集】在一通路的富集概率相比在总基因集中【随机抽取的同数目基因集】在该通路的富集概率是否有显著差异，如果有显著差异，则认为该通路对于在当前研究群体是具有意义的。
转录组下游分析之GSEA
gsea的原始数据分为三列，一列是geneid，一列是FoldChange，一列是根据FoldChange排序的结果。其实gsea就是看foldchange的值的分布，如果是随机分布，那结果就不理想。我们想要的是在两端富集分布。
GSEA分析结果最常见的是下图：图最上面部分展示的是富集分数（ES， enrichment score）值计算过程，从左至右每到一个基因，计算出一个ES值，连成线。在最左侧或最右侧有一个特别明显的峰值就是基因集表型上的ES值。
得到表达矩阵后最经典的分析就是GSEA： 看看基因全局表达量的变化是否有某些特定的基因集合的倾向性。
转录组分析总体流程如图所示，主要分为上游分析（原始数据质量控制、比对、组装、定量），下游分析（差异分析、富集分析）和高级分析（共表达分析、GSEA、时序性分析等）。
怎么分析关注的功能基因集在转录组结果中表现如何?
Leading-edge subset 对富集得分贡献最大的基因成员。若富集得分为正值，则是峰左侧的基因；若富集得分为负值，则是峰右侧的基因。
数据质量控制：检查原始测序数据的质量，去除低质量的读段（reads）。序列比对：将质量控制后的读段与参考基因组或转录本数据库比对，以确定它们的位置。
精准建立关联表型。转录组数据通过识别特定的DNA序列来控制染色质和转录，以形成挖掘功能基因中表达的复杂系统。基因集模块化，更加精准的关联表型。
分析转录组学中的gene：转录组测序可以得到大量差异表达基因和调控代谢通路，但由于基因与表型难以直接关联，导致关键信号通路难以确定，因此往往达不到预期研究目的。
并且有更方便我们解释差异分析的结果，说明在A组基因的表达量相对于B组的是上调还是下调。另外，本文的差异分析还是处于单因子水平（只有一个变量），至于多因子的差异分析以后研究透了再和大家进行分享。完。