简单来说，就是将分析对象由基因换成了基因集，进行基因集（通路）级别的差异分析。
原理：
与GSEA类似，可以将计算每个样本中特定基因集的富集分数，（量化通路，可以理解为通路活性打分），基于此可以计算样本间的通路表达活性的差异分析。
不同：对于不同的数据类型（只支持log表达值或原始的read counts值），假设了不同的累计密度函数（cumulative density function, CDF）
芯片数据：正太分布密度函数
RNA－seq数据：泊松分布密度函数
GSVA是为每个样本的基因计算对应的CDF值，然后根据该值对基因进行排序，这样每个样本都有一个从大到小的基因列表，
对于某一基因集合（样本）内的基因，对于一个通路来说，存在于该通路里的基因则为A加分，不存在于该通路的基因则为B加分，
具体加分规则：由密度函数和秩次等决定，CDF分越高的加分越高,然后求AB两线，两者之间的最大偏差（可以是正也可以是负），差值作为GSVA的分值。
输出：样本－通路表达矩阵（表达值为GSVA分值）
R语言实现
1.准备好表达谱，可以是单纯的matrix格式，也可以是ExpressionSet/SummarizedExperiment对象；
如果是原始count的RNA-seq表达水平，需要添加参数
kcdf="Poisson"
其余经过不同方式标准化处理的RNA-seq数据，使用默认的参数即可。
2.从GSEA下载通路数据，#上篇有讲；（.gmt文件)
c2gmt <- getGmt("路径/c2.cp.v7.5.1.symbols.gmt")
3.筛选出常用的这三个数据库中的通路
gene.set <- c2gmt[grep("^KEGG|REACTOME|BIOCARTA",names(c2gmt)),]
4.GSVA分析microarray使用高斯分布，通路至少包含10个基因
gs.exp <- gsva(dataFilt,gene.set,kcdf = "Poisson",min.sz = 10)
