安裝中文字典英文字典辭典工具!
安裝中文字典英文字典辭典工具!
|
- GSVA ssGSEA:单样本通路富集分析流程 - 简书
Gene set variation analysis (GSVA)与Single sample GSEA (ssGSEA)这两种方法是都基于单样本的基因表达信息计算每个通路的相对表达活性，然后基于此可计算样本间的通路表达活性的差异分析。
- R语言实现通路富集打分 - 腾讯云
RNA-seq的原始整数的read count 在使用gsva时需要设置kcdf="Possion",如果是取过log的RPKM,TPM等结果可以使用默认的值。 接下来就是算法的计算过程，实例如下： 代码语言： javascript
- GSVA或者GSEA各种算法都是可以自定义基因集的 - 知乎
GSVA分析的文章发表于2013年，GSVA: gene set variation analysis for microarray and RNA-Seq data 同样是broad 研究生出品，其在2005年PNAS发表的gsea已经高达1 4万的引用了，不过这个GSVA才不到300。
- RNAseq_Pathway
该模块需要输入差异基因列表，分别得到上下调基因的GO、Pathway富集结果。 当GO term 数量大于50时，我们会对GO term将功能相近的条目归为一类，然后给出GO term 的相似性热图，否则会直接给出富集气泡图，并且给出富集的表格；KEGG 通路富集结果则给出富集气泡图和表格，如下图所示。 为了方便作图，我们只展示其中最显著的20个Pathway。 上面分析了在上调中富集的 Pathway，下面是在下调中富集的 Pathway。 上面是上调的KEGG通路，再看下调的。
- GSVA基因集打分 多通路limma差异分析流程及可视化学习和整理
今天，我们向您隆重推荐一个强大的开源项目——GSVA（gene set variation analysis），它专为微阵列和RNA-seq数据分析设计，旨在将分子测量的坐标系统转换，开启对样本中路径丰富度评估的新视角。
- RNA-seq分析： 通路富集分析(GSEA) - GitHub Pages
RNA-seq分析： 通路富集分析(GSEA) 在得到差异表达分析的结果后，我们往往还会对差异表达基因相关的功能感兴趣，在这里，我们介绍GSEA方法，这是一种比较好用的通路富集方法，可以根据基因表达的倍数情况，来分析基因相关的通路。
- 使用R包singscore，vissE和msigdb对单样本进行分子表型 . . .
为了对来自 (Cursons et al 2015) 的数据进行分子表型分析，我们需要RNA-seq计数以及能表征感兴趣的分子表型的合适的基因集。 在本次分析流程中我们将使用来自 emtdata 包的处理过的RNA-seq数据。
- 使用decoupleR一次性实现11种基因集的活性打分（R与 . . .
下面来简单看一下其中一个功能：Pathway activity inference in bulk RNA-seq https: saezlab github io decoupleR articles pw_bk html 在这个笔记本中，我们展示了如何使用decoupleR对一个bulk RNA测序数据集进行通路活性推断，该数据集中胰腺癌细胞系中的转录因子FOXA2被敲除。 数据包括 3个野生型（WT）样本和3个敲除型（KO）样本，GEO编号为：https: www ncbi nlm nih gov geo query acc cgi?acc=GSE119931，是一个表观调控的项目，其中转录组数据部分样品信息如下所示： 作者已经对此数据集进行了预处理，并放到了包中：
|
|
|