RNA-seq GSEA 基因集富集分析
一句话：不只盯着显著差异基因——用全基因排序列表做 GSEA，捕捉微弱但协调的通路变化。
获取本技能 · Get this skill
方式 A —— 一键引导 prompt（推荐）。复制下面这段，粘贴到你的 AI agent IDE：
请帮我安装 Claw2Bio 技能库中的 "RNA-seq-GSEA" 技能：
1. 从 GitHub 仓库 https://github.com/claw2bio/claw2bio 只拉取 bioinformatics/bulk_RNA_seq/RNA-seq-GSEA
这一个文件夹（用 sparse checkout，不要克隆整库）。
2. 阅读其中的 SKILL.md 并注册该技能。
3. 运行 examples/ 里的示例验证环境，把输出的图给我看。方式 B —— 独立 zip 包（约 2.5 MB，本站下载）：https://claw2bio.site/downloads/RNA-seq-GSEA.zip
方式 C —— 全量示例数据：已包含在方式 B 包内（同一个压缩包）。
它能做什么
前提是先跑完 bulk-RNA-seq 常规流程。与基于阈值的富集分析不同，GSEA 使用全基因排序列表（排序指标：sign(log2FC) × -log10(pvalue)），对 MSigDB 格式的 GMT 基因集做 fgsea 富集。内置 reactome_demo_mmu.gmt（开放许可，由 Reactome 缓存构建）开箱即用；把自己的 MSigDB .gmt 拷进 resources/gmt/ 即可，Entrez / symbol ID 类型逐文件自动识别、可混用。
按 padj 取 top-15 基因集的 NES 点图——x 轴为 NES（上调红 / 下调蓝），点大小为 -log10(padj)。
最显著基因集的经典 enrichment running-score 曲线。
注意：MSigDB 小鼠 C2（m2.all）含 Reactome/BioCarta/WikiPathways 等，但不含 KEGG（许可原因）——要做 KEGG 请用 RNA-seq-enrichment。
快速上手（30 秒）
bash
cd bioinformatics/bulk_RNA_seq/RNA-seq-GSEA
Rscript scripts/00_check_deps.R --organism mouse
Rscript scripts/gsea.R examples/input/DEG_Mutant_vs_Control.csv \
--gmt resources/gmt/reactome_demo_mmu.gmt --organism mouse \
--outdir examples/output输入格式
- bulk-RNA-seq 流程产出的
DEG_*.csv（含gene、log2FC 列、pvalue、padj）。 - 基因集：MSigDB GMT 格式文件，放入
resources/gmt/；不给--gmt时默认用该目录下全部.gmt。
输出文件
| 文件 | 内容 |
|---|---|
GSEA_<label>_<gmt>.csv | 每个 GMT 的结果表（pathway, NES, pvalue, padj, leadingEdge） |
GSEA_<label>_<gmt>_dotplot.png | top-15 NES 点图 |
GSEA_<label>_<gmt>_top_curve.png | 最显著基因集的富集曲线 |
REPORT.md | 逐文件产出说明 |
参数
| 参数 | 默认值 | 说明 |
|---|---|---|
--gmt | resources/gmt/ 下全部 | GMT 文件，逗号分隔可多个 |
--organism | mouse | mouse / human（用于 ID 转换） |
--rank | auto | 排序指标：auto / log2fc / stat |
--outdir | — | 输出目录 |
常见问题
- MSigDB 文件哪里来 → MSigDB 官网注册下载（许可要求自行下载，技能不代发）；拷进
resources/gmt/即可。 - 想做 KEGG 的 GSEA → MSigDB 无 KEGG 基因集；用 RNA-seq-enrichment 的 KEGG 富集替代。
- 在 Windows 上卡住不动 → fgsea 被强制串行（并行 socket 在部分 Windows 环境打不开端口），耐心等即可，不是死机。