3.Function Analysis

Table of Contents

当我们找到一些感兴趣的基因后(比如在某种处理条件下,与对照相比,表达量有明显差异的基因),我们希望能从这些基因中提炼出生物学意义。

Fig 1. Overview of existing pathway analysis methods using gene expression data as an example

我们将会介绍基于差异表达基因的 over representation 分析,包括 GO 富集、KEGG 富集。

另外,我们还将以 GSEA 为代表介绍功能集打分(Functional Class Scroing)方法,其直接分析原始的基因表达矩阵。

更多内容请参考 Ten Years of Pathway Analysis: Current Approaches and Outstanding Challenges

Files Needed

方法1: 使用docker

本章中, 3.1 GO 和 3.2 KEGG都不需要docker就能练习,可以直接去“方法2”直接下载所需文件。

3.3 GSEA 可以加载完我们提供的image后,文件都已经准备好了,可以这样查看:

cd /home/test/
ls

本教程docker使用方式:

  • 1) 运行容器: docker exec -it bioinfo_tsinghua bash

  • 2) 进行Linux系统的相关操作

  • 3) 退出容器:exit

方法2: 直接下载

如果不使用docker,也可以直接下载教程所需文件:Download Link