GSEA算法

用途与运行方式

• 场景一：指定类别1与类别2进行gsea分析，其中--ident1做为处理，--ident2做为对照

  SDAS geneSetEnrichment gsea -i st.h5ad -o outdir \
  --group_key leiden --ident1 1 --ident2 2 --species human
  

• 场景二：对obs的某列做子集后再进行gsea分析

  SDAS geneSetEnrichment gsea -i st.h5ad -o outdir \
  --group_key leiden --ident1 1 --ident2 2 --species human \
  --subset_key cell_type --subset_values B
  

• 场景三：只用感兴趣的数据库进行分析

  SDAS geneSetEnrichment gsea -i st.h5ad -o outdir \
  --group_key leiden --ident1 1 --ident2 2 \
  --gmt sdas_deg_enrichment/lib/GSEADB/h.all.v2024.1.Hs.symbols.gmt,sdas_deg_enrichment/lib/GSEADB/KEGG_2021_Human.gmt
  

• 场景四：只对感兴趣的通路进行作图，将感兴趣的通路全名写入一个txt文档里面，每个通路一行，然后将这个txt文档通过--pathways参数传入分析流程。需要注意的是使用的数据库中必须包含这些指定的通路名称

  SDAS geneSetEnrichment gsea -i st.h5ad -o outdir \
  --group_key leiden --ident1 1 --ident2 2 \
  --pathways ./pathway.txt \
  --gmt sdas_deg_enrichment/lib/GSEADB/h.all.v2024.1.Hs.symbols.gmt,sdas_deg_enrichment/lib/GSEADB/KEGG_2021_Human.gmt
  

输入参数说明

输出结果展示

• 文件格式示例：GSEA.{database}.csv 这个文件是gsea分析结果文件，包含了Name,Term,ES,NES,NOM p-val,FDR q-val,FWER p-val,Tag %,Gene %,Lead_genes等信息。其中Term是通路名称；ES是富集得分(Enrichment Score)，反映基因集成员在排序基因列表（如差异表达基因排序）中的富集程度，正ES：基因集在排序列表顶部富集（与表型正相关），负ES：基因集在排序列表底部富集（与表型负相关）；NES是标准化富集得分 (Normalized Enrichment Score)；NOM p-val是名义p值；FDR q-val是校正后的p值；FWER p-val是族系错误率校正后的p值；Tag %是基因集中位于排序列表核心富集区域的基因百分比；Gene %是分析中实际使用到的基因占基因集总基因数的百分比；Lead_genes是对富集得分（ES）贡献最大的核心基因。

• top Terms富集曲线图：GSEA.{database}.top5.pdf/png （见下图示例），图中Enrichment Score为正说明改Term与--ident1正相关，为负说明为负相关。