富集分析：GSEA分析准备

背景

要想运行 GSEA 软件，JAVA 环境是必须的，下面就带领大家一步步地安装 JAVA 软件。

我这边提供了网址：

https://www.java.com/zh_CN/

复制网址访问。用苹果系统的同学，可以试一下安装步骤是不是一样。看到免费 JAVA 下载，点击，然后同意并开始免费下载。我们将软件保存后双击，即出现安装界面，点击安装，我们就可以看到 Java 正在安装了。安装成功后，会提示我们已经成功安装 JAVA。

在 JAVA 安装成功后，我们开始下载 GSEA 软件，我这边也提供了网址：

https://www.gsea-msigdb.org/gsea/index.jsp

在GSEA 官网的首页，导航栏 downloads，我们点击进去。进去后进入登录界面，填写正确的邮箱地址即可；如果邮箱没有注册过，可以点击“click here”注册。注册过程非常简单，就不细说了。登录后，我们就可以进入到下载界面了，win10用户可放心下载。点击 download GSEA_Win_4.2.1-installer.exe。下载后点击运行，安装成功。

一、GSEA 支持的数据类型及数据准备工作

我们要上传的主要有两组数据，分别是基因表达谱数据文件和表型数据文件。

接下来我们就分别看一下这两组文件。

二、基因表达谱数据

基因表达谱数据文件有四种文件格式，分别是 GCT 格式、RES 格式、PCL 格式和 TXT 格式，其中我们比较常用的有 GCT 格式和 TXT 格式，RES 和 PCL 格式相对应用较少。

上图是 GCT 格式的基因表达谱数据，给大家展示一下里面的内容。其中第一行第一列是默认的格式，一般为#1.2 或#1.3，10100 是指基因数，50 是指样本数，Name 下面一般是基因名或基因探针，本例中是基因名，如果是基因探针，则分析时要进行基因探针的转换。DESCRIPTION 下面是对基因的描述，如果没描述，则填 NA 即可，第３行，从第三列开始往后都是样本名称，样本名称下面就是我们的数据了。

上图是 RES 格式的具体要求，不常用，第 1 行中主要是数据呈现形式格式，如 PPT 所示反斜杠 t 代表一个分隔符。第 2 行中主要是样本的描述格式，这一行是被 GSEA 忽略的。第 3 行中主要是说明探针数目，为阿拉伯数字。第 4 行以后主要是探针的描述。第 4 行开始每一行是一个基因，第 4 行第 1列是基因描述，可放在第 1 列或第 2 列；第 4 行第 2 列是基因探针 ID，同样可放于第 1 列或第 2 列，但是注意不能有重复信息；每两列是一个样品；每个样品包含两组数据，第 1 组是表达量，第 2 组是 A 或 P 调用信息，此信息由微阵列扫描软件得出，目前 GSEA 忽略 A/P 这一数据。

上图是PCL 格式的具体要求，同样不常用，大家自行了解。

上图是TXT 格式，是我们较常用的格式。第一行是标签名（NAME），描述（DESCRIPTION），样本名；第一列第二行开始是基因名或者探针名，第二列的描述不可缺少，如果没有就填上 NA，第三列第二行开始是数据。

三、表型数据

表型数据只有一种格式，即 cls 格式，但是分为分类文件和连续文件。分类文件比如肿瘤组织和正常组织的比较，

连续变量如时间序列或基因谱之类的文件

一般我们比较常用的是分类文件。

上图是表型格式的具体要求。一般来说表型数据需要我们自己构建。

下面我们看看官网提供的表型标签数据

上图是连续变量的表型数据，第一行是告诉我们这是一个连续型表型，第二行是表型名称，接下来的数字是表型数据，这种类型不常用。

以上就是软件安装与数据准备的全部内容了。大家按照步骤先安装好 GSEA 软件吧。