科研有捷徑，輸入代碼，一鍵獲取科研成果！就是這么省事，來具體看下有多方便！

搜索http://985.so/a9kb查看全部代碼（目前共計50+持續(xù)新增中），也可以點擊右側【目錄】，可以看到更多有趣的代碼；真香提示：文末可以知道如何獲取代碼~ 作者：爾云間 https://www.bilibili.com/read/cv17906772 出處：bilibili

? ? ? 功能富集是生信分析中最常用也是十分關鍵的一步，基因功能的富集分析已成為高通量組學數(shù)據(jù)分析的常規(guī)手段，對于揭示生物醫(yī)學分子機制具有重要意義。功能富集分析可以將成百上千個基因、蛋白或者其他分子分到不同的通路中，以減少分析的復雜度。另外，在不同實驗條件下，激活的通路顯然比簡單的基因或蛋白列表更有說服力。

? ? ? 但是在我們分析的過程中，像GO,KEGG是我們用的比較多的功能富集方法，有時候卻富集不到我們想要的通路結果。今天我們來介紹另一種功能富集方法-GSEA。GSEA（Gene?Set?Enrichment?Analysis）：基因集富集分析，由Broad?Institute研究所提出的一種富集方法，同時還提供對應的分析軟件GSEA和一個基因集數(shù)據(jù)庫MSigdb?(https://www.gsea-msigdb.org/gsea/msigdb/)。今天我們來介紹下如何具體實現(xiàn)GSEA功能富集分析：

? ? ? ?本文代碼及相關文件見如下3個文件夾，可在文末咨詢小助手領取

1. 加載相應R依賴包：

library(GSEABase)

library(clusterProfiler)

library(DOSE)

library(org.Mm.eg.db)

library(ggplot2)

library(enrichplot)

library(stringr)

2. 數(shù)據(jù)導入

輸入數(shù)據(jù)包含2列，一列是p值，一列是logFC值，具體見下圖。

3. GSEA分析

接下來對輸入數(shù)據(jù)進行分析，第一步將基因symbol轉成ENTREZID，這樣才能將ID對應到數(shù)據(jù)庫中。

第二步將轉換好的基因ID與log2FC值一一對應，并將log2FC值反向排序。

? ??第三步我們先使用clusterProfiler包中gsea分析函數(shù)自帶的KEGG庫試一下，這里使用的是小鼠的基因，所以organism選mmu。

4， 自定義基因集

接下來我們自己選擇基因集來做GSEA富集，這就是與常規(guī)的GO,KEGG有區(qū)別的地方，讓GSEA分析的結果更理想一點。首先需要準備gmt文件，人的可以去這里下載相應的基因集https://www.gsea-msigdb.org/gsea/msigdb/index.jsp，小鼠可以去這里下載http://download.baderlab.org/EM_Genesets/current_release/Mouse/symbol/。

? ??到這里分析就結束了，最后的圖我們選擇了前4個通路作為展示，是可以任意展示想要的通路哦！

如需代碼及示例數(shù)據(jù)等文件，請掃碼聊天框回復 “B33”領取！?