GSEA算法学习

GSEA文献阅读
1.重要解释
Ranked Gene List L：该基因列表为待检测的数据集（通常为试验获得的表达矩阵文件）；
Gene Sets S：该基因集为已知功能注释的某一个通路所含基因（如一个GO term中所用基因）；
Leading Edege Subset：核心基因集，通常为位于ES的某一侧（或者Rank Gene List的某一端）

2.计算方法
步骤1：富集分数的计算
通过计算基因富集分数（ES）来反映基因集S在排名列表L里的极端（顶部或底部）的过度呈现程度。通过沿着列表L走，当我们遇到一个基因在S中的时候，增加一个累计统计量，不在S中的时候，减少一个累计统计量。增量的大小取决于基因与表型的相关性。富集分数是检索过程中遇到的最大统计量；它对应于一个加权的Kolmogorov-Smirnov统计检验。

image.png

1.将分析所得的基因集中的N个基因依照相关性r（gi）=ri按顺序排列为L = {g1,g2,…gN}，相关性按照基因表达量来计算；
2.通过每个基因在S中的出现与否及相关性计算hit和miss。

3.关键字符解释
1.P值的设定：
p < 1：明显非随机分布的多个基因；
p > 1：基因集S中有大量基因，但只有少数基因是具有一致性分布的；
p = 1：仅通过相关性，允许基因集存在偏差。

image.png

∑：表示基因集S（功能通路）中位于排序后的基因列表中L的基因的表达变化趋势程度的和值；
N：表示基因列表L中基因的数目；
NH：表示基因集S中基因的数目。

FC：fold chage 基因差异表达倍数
这里使用FC = ri（相关性）

image.png

不同的ri算法。
（未完待续）
参考：
https://blog.csdn.net/nixiang_888/article/details/107062461?utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromBaidu%7Edefault-5.vipsorttest&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromBaidu%7Edefault-5.vipsorttest