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。

网络与系统生物学6 个步骤v1更新于 2026-11-19

流程图

  • 数据输入
  • 核心分析
  • 结果输出

步骤说明6 步

  1. 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。

    下一步02 GSEA使用带方向、全量且可比较的排序统计量

  2. 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。

    下一步03 GSVA/ssGSEA使用经过适当归一化的表达矩阵

  3. 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。

    下一步04 固定MSigDB或自定义基因集的版本、物种、标识映射和…

  4. 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。

    下一步05 GSEA报告NES、FDR、leading-edge基…

  5. 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。

    下一步06 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…

  6. 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。