背景知识介绍
GSVA(Gene Set Variation Analysis，基因集变异分析)通过对样本进行无监督分类，将基因在不同样品间的表达量矩阵转化成基因集在样品间的表达量矩阵，从而来评估不同的代谢通路在不同样品间是否富集。
欧易云平台-曲线绘制
2.1 GSVA小工具
将表达矩阵文件（counts.xls, fpkm.xls）结合物种匹配的gmt背景文件，可以计算出每一个gmt文件中的term对应的基因集在样本间的表达矩阵，以此来评估该term是否在样本间富集。具体输入文件格式，请参考页面右侧的使用说明。
图1 | 表达矩阵文件示例。
行名为单个基因，列名为样本名
图2 | 富集gmt背景文件
第一列为富集条目名称，第二列需为空列，第三列往后为该条目内的基因。
2.2 差异分组信息文件
输入差异分组信息文件对上一步获取的term表达量矩阵进行差异分析，绘制结果图。
图3 | 差异分组信息文件
必须包含case，case_name，control，control_name。且每个比较组中的case_name, control_name不能同时重复。
2.3 常用参数选择
用户可以通过多个参数调整输出的结果图中的条目（在提供差异分组信息文件的情况下）。q值，p值，FC值的筛选阈值用于筛选差异结果。总绘制条目数，选取排名前n的条目绘制结果图，上下调分别绘制条目数，选取排名前n的上调基因集与排名前n的下调基因集绘制结果图。除此之外，结果图中的条目颜色，条目字体大小，条目高度用户也可以自行调整。
2.4 结果说明
图中每个条目代表一个富集通路，根据显著性排序绘制用户选择的top n的差异富集条目结果图。纵坐标为条目名字，横坐标为t值。同时提供各样本富集通路的丰度表与差异结果分析表。
猜你想看
1、探“云”指南 | 手把手教您欧易云平台曲线绘制
2、探“云”指南 | 欧易云平台表达量计算详细教程
3、探"云"指南 | 欧易云ROC分析曲线
4、超强攻略！欧易云平台miRanda靶基因预测绘图工具你值得拥有！
END
原创声明：本文由欧易生物(OEBIOTECH)学术团队报道，本文著作权归文章作者所有。欢迎个人转发及分享，未经作者的允许禁止转载。