g：Profiler主要有四个可选工具：
g：GOSt用于分析 flat or ranked gene lists以获得富集特征；
g:Conver用于转换不同类别的基因标识符；
g：Orth用于将基因映射到相关物种中的直系同源基因
g：SNPense，它将SNP（单核苷酸多态性）映射到基因名称，染色体位点和来自 Sequence Ontology 的 variant consequence terms中。
g：Profiler除了网页版（g:Profiler – a web server for functional enrichment analysis and conversions of gene lists）以外，还支持CRAN的R 包：gProfileR
g：Profiler使用Fisher精确检验分析基因列表，并使用修改的Fisher检验对基因列表进行排列。它提供了图形Web界面，并可以通过R和Python编程语言进行访问。该软件更新速度快，并且gene set database可以以GMT为文件被下载。GMT文件是ZIP格式的压缩包，包含了g：Profiler使用的所有基因集。
下面使用g：Profiler的g：GOSt工具进行gene list的功能富集分析。它是g：Profiler的中心工具。 它将用户提供的gene list 映射到各种功能信息来源，并确定显着富集的通路，过程和其他注释。g：GOSt支持基础和生物医学研究界使用的大多数基因标识符，包括已链接到Ensembl database中的基因的所有标识符，包括基因，蛋白质，转录本，基因组数据库中的序列数等。
数据使用的是在12种类型的3,200个肿瘤的TCGA外显子组测序数据中鉴定的具有频繁体细胞SNV(单核苷酸突变)的gene list
1. 将gene list 粘贴到Query下面的框中。
2.勾选Ordered query选项，该选项将输入视为有序基因列表，并在列表开头优先考虑具有较高突变ES的基因。
3. 点开Data source,Gene Ontology勾选下图的两个。No electronic GO annotations选项将丢弃不经过人工审核的不太可靠的GO注释。
4. 生物学通路选择Reactome数据库中的。
5. miRarBase数据库用于miRNA的target分析，TRANSFAC是预测TF target的数据库。TF target的预测使用的是TRANSFAC数据库，另一个用于miRNA target 分析。
6.下图的这两个数据库Human Protein Atlas (HPA) 和CORUMd数据库是用于蛋白质复合物分析的。
7.HP数据库用于的生理和疾病表型的基因注释，它允许用户在人类健康的背景下去阐述其基因列表。
8.我在我输入的数据中就在Data source中勾选的选项如下：
9.点开Advanced Options如下图：对于我输入的数据，没有勾选任何一项，都是以默认的方式进行分析。
10.设置完选项之后点击Run query.就可以得到数据分析的结果。
11. 一会儿就可以看到结果，将页面往下拉，最先看到的是这样一幅图。改图可以以png格式的图片保存到本地。该图片中的每一个点代表一个基因
12. 点击Detailed Results,可以看到详细的结果，如下图：该热图中，横轴是基因名，纵轴是生物学通路，每一行代表一个通路上的基因集。其中还有矫正后的p值和GO号
该结果的保存方式有三种：GEM，PNG，和CSV.点击GEM保存Enrichment Map分析所需要的输入文件。Enrichment Map是对pathway富集分析结果进行可视化的一个软件，它是简化具有许多冗余过程和基因功能的复杂结果的有用方法。g:GOSt提供了一种特殊的输出格式(GEM)，可以直接上传到 Cytoscape 进行可视化network分析。
13.点击name.gmt下载g：Profiler分析时使用的所有基因集。
gme文件内容如下：
下载的ZIP压缩包里面有这些文件：
参考：
Reimand J , Arak T , Vilo J . g:Profiler--a web server for functional interpretation of gene lists (2011 update)[J]. Nucleic Acids Research,2011, 39(suppl):W307-W315.
学习文献：Reimand J, Isserlin R, Voisin V, et al. Pathway enrichment analysis and visualization of omics data using g:Profiler, GSEA, Cytoscape and EnrichmentMap[J]. Nature Protocols, 2019, 14(2): 482-517.
