一文厘清富集分析：GroupGO、enrichGO、gseGO、enrichKEGG、gseKEGG...

主要观点总结

本文介绍了在生物学研究中，如何处理和分析基因数据，特别是如何使用富集分析来识别基因数据中的关键信息。文章详细解释了富集分析的核心思想，并介绍了两种主要的富集分析方法：ORA（Over-Representation Analysis）和GSEA（Gene Set Enrichment Analysis）。此外，文章还介绍了针对GO（Gene Ontology）和KEGG（Kyoto Encyclopedia of Genes and Genomes）数据库的富集分析方法，以及如何使用clusterProfiler软件包进行这些分析。最后，文章提到了compareCluster函数，可以批量进行多个基因集的富集分析。

关键观点总结

关键观点1: 富集分析的核心思想

如果某个生物学功能或通路中的基因在数据中比随机情况下更“活跃”，那么该功能或通路很可能与研究的表型或疾病相关。

关键观点2: 两种主要的富集分析方法

ORA（Over-Representation Analysis）和GSEA（Gene Set Enrichment Analysis）。ORA考虑的是感兴趣的查询基因集，并需要严格的截止值来分类基因；GSEA则更注重排名通路列表。

关键观点3: GO和KEGG数据库的富集分析

GO用于描述基因和蛋白质功能的标准化描述和分类；KEGG描述生物体内的代谢通路和相关基因。对这两个数据库的富集分析方法常用的有ORA和GSEA。

关键观点4: clusterProfiler软件包的使用

该软件包提供了一系列函数，用于进行GO和KEGG的富集分析，包括GroupGO、enrichGO、gseGO、enrichKEGG、gseKEGG等。

关键观点5: compareCluster函数的作用

该函数可以批量进行多个基因集的富集分析，比较不同基因集群之间的差异，揭示不同生物条件下基因功能的差异性。