2021-11-03 GSEA与ROC

现在在做LUAD预后，但是发觉样本太少，在犹豫是否需要重新来过

现在在学习GSEA

GSEA：基因集富集分析，，我的初始印象只有一个图，但是其余的什么都不知道

所以需要重新学习一下这个到底是什么意思？

是否真的是数理统计知识不够，还是自己的学习方法有误，这么久只是知道一个概念

了解思想，原理，然后实战及总结

思想是什么？

假设你对某一个基因功能感兴趣，一个是野生型，一个是敲除型，然后比较差异

得到差异基因后做GSEA，然后推测基因敲除前后哪些通路上调，哪些通路下调

另一种：100个人参加选修节目，各有特点，比如唱歌好，跳舞好，颜值好等等

然后我们按照一定的规则排序，或是年龄或是身高或是地域，然后发现一些规律

比如按照身高排序，发现跳舞好的集中在中等身高，表明中等身高的人更适合跳舞，是规律

比如按照地域划分，发觉湖南的人爱吃辣，这就是一个特点，，但是特点找到了如何用呢？

在我们实际操作的过程中，我们是按照基因表达差异倍数排序，从正到负排序

这就是一个标准，然后富集分析

那就是需要一个基因表达谱且按照基因差异排序的表达谱

然后是如何知道这些基因在哪些通路上富集，那就需要一个信号通路作为参照

你说行，那需要一个参考标准。比如你说谁跳舞好，观众知道，但是无权决定，需要专家去决定，，，所以还需要一个事先就有的基因集去作为参照才能说明，，那这个参考基因是什么，怎么得到的，怎么比较的

第一步已经知道了。有一个基因集，有一个排序

在看的过程中一直提到go与kegg，那么就需要知道差异

go与kegg是对差异明显基因做富集分析，，缺点是一些表达差异不大但是有重要功能意义的基因会被过滤掉，导致研究不充分，所以有了GSEA

最终还是没有理解GSEA的本意，所以导致的一直徘徊在外

回到前面的问题，就是如何分析，可能是生物背景基础知识薄弱，才会导致

把差异基因排序后如何知道这些差异基因在什么通路上富集呢？

那就是一个个基因看看在什么通路上或者直接看两端

GSEA就是看差异基因在先验通路上的富集情况，，那就是差异基因，先验通路

得到差异基因后，按照从小到大排序，记录为L，现在需要从L中挖掘需要的信息

用到的还是假设检验

原假设：某个通路中的所有基因，在L中是随机分布的，加入我们突然能够观测到某个通路中的所有基因富集在L的一端，计算其富集程度，计算其统计显著性。如果小于某个阈值(p值），我们就拒绝原假设，认为该通路子L中富集，并且通过富集的程度打分，

如果为正，则倾向于上调的及基因富集，如果为负，则该基因倾向于下调的基因富集

发觉到这一步就乱了，需要统计知识及思想