小图在上一篇文章：GSEA富集分析——看了之后，小学三年级的妹妹都学会了！中，介绍了如何使用 GSEA进行富集分析。

有小伙伴纷纷反映，GSEA结果不会解读

那么好，咳咳~小图【一文一分钟】课堂开课

话不多说~现在开始

小图收到GSEA分析结果后，打开GSEA文件夹，可以通过搜索“index”，查看GSEA分析结果：

网页报告中下划线部分都可以点击，链接到其他网页或者文件查看具体信息。

点击Snapshot会出现这114条通路的条形码富集图，如下：

点击enrichment results in html format则会显示这114条通路的富集详情：

GS：基因集的名称（GO term或KEGG pathway名称）

Size：通路/条目下包含的基因数目（经过条件筛选后的值）

ES：富集得分（enrichment score）

NES：ES的标准化值（normalized enrichment score），同时考虑基因集的个数及基因数目，NES的值代表该基因集中的基因在整体基因排序列表中的富集程度。简单理解NES为正值基因集上调，负值基因集下调。

NOM p-val：P-value，针对ES的排列检验，表示基因集富集的显著性

FDR q-val：FDR法校正的p值

FWER p-val：用FWER法（Bonferonni校正）校正后的P值

RANK AT MAX：当ES值达到最大时对应的那个基因在排序好的基因列表中所处的位置

LEADING ：核心基因集，对ES贡献最大的基因成员；该处有3个统计值：

tags：核心基因集占该基因集中基因总数的百分比；

list：核心基因占所有基因的百分比；

signal：将前两项统计数据合在一起计算出的富集信号强度。

一般认为|NES|>1，NOM p-val<0.05，FDR q-val<0.25的通路是显著富集的。

点击detail查看基因集富集的详细结果，GSEA默认展示前20个基因集结果。以RIG_I_LIKE_RECEPTOR_SIGNALING_PATHWAY通路为例：

打开后，页面如下：

如上图，富集图一共分为上中下 3 部分：

第一部分 ES 折线图：显示了当分析沿着排序基因集按排序计算时，ES 值在计算到每个位置时的展示。最高峰处的ES得分是基因集的 ES 值。

第二部分 hits 图：俗称条形码图，用线条或者 hit 标记了通路基因集中成员出现在基因排序列表中的位置。leading edge subset 就是（0,0）到绿色曲线峰值 ES 出现对应的这部分基因（x轴0到虚线那部分）。

所谓Leading-edge subset，就是对富集得分贡献最大的基因成员。如果ES得分都是正值（如上图所示），那么Leading-edge subset就在峰值ES的左侧，反之则在右侧（底部富集 = A/C 下调表达 = C组高表达）。那么根据本图我们很容易看出，该通路在 A 组高表达。

第三部分是排序后所有基因 rank 值的分布，热图红色部分对应的基因在 A 组高表达，蓝色部分对应的基因在 C组高表达，每个基因对应的信噪比（Signal2noise，前面选择的排序值计算方式）以灰色面积图展示。

结果中详细给出了该基因集下包含的基因的具体信息和前100个基因使用热图进行展示。

看过小图的解读后是不是发现GSEA也不过如此？下课后赶紧行动起来让小图看看大家的学习成果，欢迎在评论区一起讨论！