全部用户案例
数据分析
GSEA 分析:23,273 个基因排序找通路
上传完整差异表达结果,Yila 先核对排序列与方向,用全部基因排出 GSEA 排序表,按 GO Biological Process 和 KEGG 基因集完成富集分析,交付 NES 排序图、富集曲线和完整结果表,正向与负向富集分开呈现。
这是完整差异表达结果。我想做 GSEA,先帮我检查基因名、重复值、缺失值和 log2FC 方向,先不要画图。
字段核对完成:23,273 个基因,无重复、无缺失,log2FC 方向已确认(正值 = Dex 上调)。GSEA 使用全部基因的排序列表,不靠阈值先筛掉基因——这正是它和超几何富集的本质区别。
这份数据应该用哪一列给基因排序?请说明理由,并告诉我正值和负值分别代表什么。
建议用 log2FC 排序:它同时携带变化方向与幅度,正值代表 Dex 处理组上调、负值代表下调。排序表已按分数从高到低生成,基因唯一,前 10 行与后 10 行已展示核对。
物种是人。请用 GO Biological Process 和 KEGG 基因集做 GSEA,使用校正后的 P 值判断显著性。
请输出完整结果表、NES 排序图和代表性通路的 GSEA 富集曲线,并区分正向和负向富集。
GSEA 完成:KEGG 与 GO BP 的 NES 排序图按方向分开绘制——红色为正向富集(Dex 上调端,如 RIBOSOME、MINERAL ABSORPTION),蓝色为负向富集(如 SPLICEOSOME、UBIQUITIN MEDIATED PROTEOLYSIS),NES 逐条标注。

完整结果表同步交付:GO BP 共 2,012 条、KEGG 共 303 条通路的 ES、NES 与校正后 P 值全部列出,PNG、可编辑 SVG 与 PDF 均已生成并通过 QA 检查。

用科研小白能听懂的话解释这张 GSEA 曲线:运行富集分数、峰值、黑色竖线和 leading-edge genes 分别代表什么?
曲线往上爬,说明这个通路的基因集中在排序表头部;峰值就是最大富集分数;黑色竖线是通路成员基因落在排序表里的位置;峰值左侧(正富集时)的基因就是 leading-edge——对富集贡献最大的那批核心基因。
检查我的 GSEA 解释有没有过度推断,并告诉我哪些结果还需要文献或实验验证。
需要守住的边界:富集趋势不等于通路被「激活」的因果证明;GO 与 KEGG 共享同一张排序表,相互印证不等于独立验证;显著性依赖基因集版本与多重检验口径,关键结论还需文献或实验复核。
GO_BP_NES_ranked_directions.pngNES 排序图 · PNG
KEGG_NES_ranked_directions.svg可编辑矢量图 · SVG
GO_BP_GSEA_results_all.csvGO 完整结果 · CSV
KEGG_GSEA_results_all.csvKEGG 完整结果 · CSV
GSEA_summary.md结果摘要 · Markdown
任务已完成
Yila 任务回放完成。
用这个方法开始研究