GSEA基因富集分析实战

GSEA在很多文献中都有使用到，可以使用R分析，也可以使用GSEA软件进行分析，个人觉得用软件分析出来的图好看些，这里记录一下我用GSEA软件分析的一个实战笔记，主要使用的数据是TCGA数据。

一、下载

软件下载

GSEA官网：http://www.gsea-msigdb.org/gsea/index.jsp

首先需要用邮箱注册，登入后进入下载页面

1.png

Molecular Signatures Database

2.png

这里下载KEGG数据（其它数据也可以用来分析，这里以KEGG为例），点击箭头所指的地方进入下载页面；

3.png

由于我的表达矩阵已经将基因转换成Gene Symbols了，所以下载这个文件。

二、数据准备

表达矩阵

分组信息

前面下载的.gmt文件（KEGG）

1.表达矩阵（.txt格式）

前面已经处理好了TCGA的数据，得到了mRNA的表达矩阵和分组信息

4.png

注意需要将excel表格另存为.txt格式，这样软件才能识别。行名为基因名，列名为样本名。

2.分组信息

分别拿到要比较的两组的样本名，这里比较tumor和normal；

tumor = mRNA_exp[,group_list_rna == "tumor"]
tumor = as.data.frame(colnames(tumor))
write.table(tumor, file="./data/tumor_sample.xls", sep="\t", row.names=T)
normal = mRNA_exp[,group_list_rna == "normal"]
normal = as.data.frame(colnames(normal))
write.table(normal, file="./data/normal_sample.xls", sep="\t", row.names=T)

还有一种分组是按某个基因的表达量高低分为两组

gene <- "CDK1"
mRNA_exp = t(mRNA_exp[gene,])
mRNA_exp = as.data.frame(mRNA_exp)
mRNA_exp$group <- ifelse(mRNA_exp$CDK1 > median(mRNA_exp$CDK1),'High','Low')
High = mRNA_exp[mRNA_exp$group == "High",]
write.table(High, file="./data/CDK1_high.xls", sep="\t", row.names=T)
Low = mRNA_exp[mRNA_exp$group == "Low",]
write.table(Low, file="./data/CDK1_low.xls", sep="\t", row.names=T)