Codar 预置工作流
GSEA 与样本级基因集评分
用于全量排序特征的GSEA以及GSVA、ssGSEA样本级基因集评分;当用户需要通路方向、leading-edge基因或每个样本的通路分数时使用。
流程图
- 数据输入
- 核心分析
- 结果输出
步骤说明6 步
先分清问题数据输入
先分清问题:比较条件的通路富集用GSEA;需要每个样本的通路活动分数时用GSVA或ssGSEA。过度表示分析属于“通路与功能富集分析”,不在这里混用。
GSEA使用带方向、全量且可比较的排序统计量核心分析
GSEA使用带方向、全量且可比较的排序统计量,去除重复标识并记录聚合规则;根据样本量与设计选择表型置换或基因集置换。
GSVA/ssGSEA使用经过适当归一化的表达矩阵核心分析
GSVA/ssGSEA使用经过适当归一化的表达矩阵,在同一基因宇宙和同一基因集版本内计算样本级相对分数,再按样本设计或受试者层级建模。
固定MSigDB或自定义基因集的版本、物种、标识映射和…核心分析
固定MSigDB或自定义基因集的版本、物种、标识映射和大小范围;报告映射损失,并整理高度重叠的通路。
GSEA报告NES、FDR、leading-edge基…核心分析
GSEA报告NES、FDR、leading-edge基因和方向;样本级评分报告算法、参数、分数矩阵、组间效应和多重校正。
检查核心结果是否由极少数基因、批次、组成变化或单一染色…结果输出
检查核心结果是否由极少数基因、批次、组成变化或单一染色体区域驱动,并用替代排序量或基因集版本做敏感性分析。
使用原则
- 参考上述步骤、工具和依赖关系,结合本次目标、数据与可用工具安排研究过程。
- 可以调整顺序、补充必要检查或省略不适用的步骤,重要调整需说明原因。
- 用户本次的明确要求优先于此参考;关键意图不清楚时先提问。
workflow.md
查看工作流源文件
---
format: codar-workflow
schemaVersion: 1
layoutDirection: TD
id: "04-transcriptomics-b05-t03-ukmjufbx"
version: 1
name: "GSEA 与样本级基因集评分"
domain: "网络与系统生物学"
description: "用于全量排序特征的GSEA以及GSVA、ssGSEA样本级基因集评分;当用户需要通路方向、leading-edge基因或每个样本的通路分数时使用。"
---
# GSEA 与样本级基因集评分
## 流程图
```mermaid
flowchart TD
n1["先分清问题"]
n2["GSEA使用带方向、全量且可比较的排序统计量"]
n3["GSVA/ssGSEA使用经过适当归一化的表达矩阵"]
n4["固定MSigDB或自定义基因集的版本、物种、标识映射和…"]
n5["GSEA报告NES、FDR、leading-edge基…"]
n6["检查核心结果是否由极少数基因、批次、组成变化或单一染色…"]
n1 --> n2
n2 --> n3
n3 --> n4
n4 --> n5
n5 --> n6
```
## 节点
### 先分清问题 {#n1}
- 类别: 数据输入
- 位置: 40, 40
- 说明: |
先分清问题:比较条件的通路富集用GSEA;需要每个样本的通路活动分数时用GSVA或ssGSEA。过度表示分析属于“通路与功能富集分析”,不在这里混用。
### GSEA使用带方向、全量且可比较的排序统计量 {#n2}
- 类别: 核心分析
- 位置: 40, 176
- 说明: |
GSEA使用带方向、全量且可比较的排序统计量,去除重复标识并记录聚合规则;根据样本量与设计选择表型置换或基因集置换。
### GSVA/ssGSEA使用经过适当归一化的表达矩阵 {#n3}
- 类别: 核心分析
- 位置: 40, 312
- 说明: |
GSVA/ssGSEA使用经过适当归一化的表达矩阵,在同一基因宇宙和同一基因集版本内计算样本级相对分数,再按样本设计或受试者层级建模。
### 固定MSigDB或自定义基因集的版本、物种、标识映射和… {#n4}
- 类别: 核心分析
- 位置: 40, 448
- 说明: |
固定MSigDB或自定义基因集的版本、物种、标识映射和大小范围;报告映射损失,并整理高度重叠的通路。
### GSEA报告NES、FDR、leading-edge基… {#n5}
- 类别: 核心分析
- 位置: 40, 584
- 说明: |
GSEA报告NES、FDR、leading-edge基因和方向;样本级评分报告算法、参数、分数矩阵、组间效应和多重校正。
### 检查核心结果是否由极少数基因、批次、组成变化或单一染色… {#n6}
- 类别: 结果输出
- 位置: 40, 720
- 说明: |
检查核心结果是否由极少数基因、批次、组成变化或单一染色体区域驱动,并用替代排序量或基因集版本做敏感性分析。
## 使用原则
- 参考上述步骤、工具和依赖关系,结合本次目标、数据与可用工具安排研究过程。
- 可以调整顺序、补充必要检查或省略不适用的步骤,重要调整需说明原因。
- 用户本次的明确要求优先于此参考;关键意图不清楚时先提问。
相关工作流全部工作流
SBML 生物网络建模
网络与系统生物学用于读取、检查、构建或转换SBML格式的反应网络模型;当用户处理动力学模型、代谢模型交换或模型可重复性时使用。
WGCNA 共表达网络
网络与系统生物学当用户想找疾病相关的一组协同变化基因、筛枢纽、把RNA与蛋白等组学联系起来、比较模块在不同队列是否稳定,或要求WGCNA/WGCNA+时使用;自主核实样本量、矩阵和配对关系,不能从单个基因或少量细胞假造共表达网络。
基因调控网络推断
网络与系统生物学用于从表达、染色质可及性或转录因子先验推断基因调控网络;当用户需要TF—靶基因关系或调控模块时使用。
差异调控网络
网络与系统生物学用于比较疾病与对照、处理前后或细胞状态之间的网络重连;当用户关注边或模块如何变化而非单基因差异时使用。
微生物群落代谢网络
网络与系统生物学用于由MAG或菌株模型构建群落代谢互作网络并分析交叉喂养;当用户研究菌群功能分工或代谢依赖时使用。
时序基因调控网络
网络与系统生物学用于带时间点或轨迹顺序的表达数据推断动态调控关系;当用户关心调控先后、状态转换或延迟效应时使用。