Yila
全部用户案例
数据分析

GO/KEGG 富集分析,316 个差异基因一次跑通

把筛好的差异基因交给 Yila:先核对字段、确认背景基因,再把上调和下调分开做 GO 和 KEGG 富集,用校正后 P 值判断显著性,输出柱状图、气泡图、完整结果表和复现脚本。

这是我筛出的差异基因。先帮我检查一下基因名、上下调、log2FC 和 qvalue,看看能不能做 GO 和 KEGG 分析。先不要画图。

字段核对完成:316 个差异基因(上调 217、下调 99),基因名、log2FC、qvalue 均可用于富集分析。正式分析前还需要背景基因——本实验共检测到 13,513 个基因,用它作背景比默认全基因组更严谨。

这是这次实验中通过检测的全部基因,用它作为背景。请确认差异基因和背景基因能不能匹配。

匹配完成:316 个差异基因全部落在 13,513 个背景基因内,无未匹配项,mapping_audit 留痕。已按自定义背景完成 GO/KEGG 富集。

请把 Dex 上调和下调基因分开做 GO 和 KEGG 富集,用校正后的 P 值判断显著性。
把显著结果各取前 15 个,生成柱状图和气泡图。图上把通路名称、基因数和校正后的 P 值标清楚。

柱状图已生成:上调(红)与下调(蓝)分面展示 GO-BP、GO-MF、GO-CC 和 KEGG 的前 15 项,按 -log10(FDR) 排序,通路名称、基因数与校正后 P 值逐项标清。

柱状图已生成:上调(红)与下调(蓝)分面展示 GO-BP、GO-MF、GO-CC 和 KEGG 的前 15 项,按 -log10(FDR) 排序,通路名称、基因数与校正后 P 值逐项标清。

气泡图同步生成:横轴为命中基因比例,气泡大小为命中基因数,颜色为校正后 P 值(FDR),上下调两组分面一目了然。

气泡图同步生成:横轴为命中基因比例,气泡大小为命中基因数,颜色为校正后 P 值(FDR),上下调两组分面一目了然。
用科研小白能听懂的话解释前面的结果。哪些是数据直接支持的,哪些还需要实验验证?

数据直接支持的:Dex 处理后,细胞外基质、细胞黏附、激素响应相关通路显著富集。需要记住的边界:富集只说明这些通路被扰动,不等于证明了具体机制或因果关系,后续仍需实验验证。

enrichment_barplot.png柱状图 · PNG
enrichment_bubbleplot.png气泡图 · PNG
enrichment_results_all.csv完整富集结果 · CSV
enrichment_summary.csv显著条目汇总 · CSV
README.md结果说明 · Markdown
任务已完成

Yila 任务回放完成。

用这个方法开始研究