高低风险组差异化分析后，得到差异基因
对这些差异基因做go，kegg，gsea分析
现在对gsea还是不是很清楚要表达的是什么？
但是似乎和go，kegg通用，也可以做这些
尝试做一下go，kegg还有GSEA这些
https://mp.weixin.qq.com/s?src=11×tamp=1641312620&ver=3538&signature=wkEQmhI0pxA94lWBwmUBcSzn8NOr6Tsoij4OeJdZXVPwtec3M6YpxmEQk-kLTdqk1CAbjHRS5jor*zMIx2ZfrwHLEh2KqDhniFALF0gbhJOyYXtzeFt6nXxjiaoNh*5S&new=1
GSEA介绍及做图
GSEA vs. DEGs
DEGs多聚焦于单个基因；GSEA是在基因集水平上比较不同生物学系统（不同样本）间的转录组差异。
#也是比较差异，那就是需要差异基因，还需要一个与这些差异基因有关的表型
结果稳健性更好，在不同团队研究结果中的生物学意义的可重复性和解释性更好。
高度灵活性，主要体现在基因集的来源。可以使用公共数据库如MsigDb，还可以根据研究目的自己构建。
总的来说，GSEA富集分析有以下三个要点：
input data1 ：样本的全基因组RNA测序数据及样本的表型标签信息【样本数尽量多一些，否则假阳性高】
input data 2：基于某个合适的指标（如差异倍数FC）对所有基因排序，获得排序基因列表L = {g1, g2, g3, g4, …… gN}；【可根据研究需要，制定个性化排序方案，如基于与兴趣TF的相关性。】
input data 3：基因集S【具有充分个性化空间。可自己定义，也可以人工筛选和矫正。】
input data 4：指定计算过程中权重值p。
