# 基因富集和通路分析使用过度表示分析 (ORA) 和基因集富集分析 (GSEA) 执行全面的基因富集分析，包括基因本体 (GO)、KEGG、Reactome、WikiPathways 和 MSigDB 富集。通过 gseapy 将本地计算与 ToolUniverse 路径数据库集成，以获得交叉验证、可发布的结果。 **重要**：在工具调用中始终使用英语术语（基因名称、途径名称、生物体名称），即使用户用另一种语言编写。仅当英语未返回结果时才尝试使用原始语言术语作为后备。以用户的语言回复。 ** ** ## 何时使用此技能当用户满足以下条件时适用： * 询问基因富集分析（GO、KEGG、Reactome等） * 拥有来自差异表达、聚类或任何实验的基因列表 * 想知道哪些生物过程、分子功能或细胞成分被富集 * 需要KEGG或Reactome通路富集分析 * 询问带有排名基因列表的 GSEA（基因集富集分析） * 想要使用 Fisher 精确检验进行过度代表性分析 (ORA) * 需要多次测试修正（Benjamini-Hochberg、Bonferroni） *询问enrichGO、gseapy、clusterProfiler式分析 **不适合**（使用其他技能代替）： *网络药理学/药物再利用→使用`tooluniverse-network-pharmacology` * 疾病表征 → 使用“tooluniverse-multiomic-disease-featured” * 单基因功能查找→使用`tooluniverse-disease-research` * 空间组学分析 → 使用“tooluniverse-spatial-omics-analysis” * 仅蛋白质-蛋白质相互作用分析 → 使用“tooluniverse-蛋白质相互作用” ** ** ## 输入参数参数|必填|描述 |示例 ---|---|---|--- **基因列表** |是的 |基因符号、Ensembl ID 或 Entrez ID 列表 | `[“TP53”、“BRCA1”、“EGFR”]` **有机体** |没有 |生物体（默认：人类）。支持：人类、小鼠、大鼠、苍蝇、蠕虫、酵母、斑马鱼 | ‘人类’ **分析类型** |没有 | `ORA`（默认）或`GSEA` | '奥拉' **丰富数据库** |没有 |要查询哪些数据库。默认值：所有适用| `[“GO_BP”、“GO_MF”、“GO_CC”、“KEGG”、“反应组”]` **基因 ID 类型** |没有 |输入 ID 类型：`symbol`、`ensembl`、`entrez`、`uniprot`（如果省略则自动检测）| `符号` **p_value_cutoff** |没有 |显着性阈值（默认值：0.05）| `0.05` **修正方法** |没有 |多重测试：`BH`（Benjamini-Hochberg，默认）、`bonferroni`、`fdr` | 'BH' **背景基因** |没有 |自定义背景基因集（默认：全基因组）| `[“GENE1”，“GENE2”，...]` **排名基因列表** |没有 |对于 GSEA：基因到分数映射（例如 log2FC）| `{“TP53”：2.5，“BRCA1”：-1.3，...}` ** ** ## 核心原则 1. **报告优先方法** \- 首先创建报告文件，然后逐步填充 2. **首先进行 ID 消歧** \- 在任何富集之前检测并转换基因 ID 3. **多源验证** \- 在至少 2 个独立工具上运行富集，交叉验证 4. **精确的 p 值** \- 报告原始 p 值和使用校正方法调整后的 p 值 5. **多重测试修正** \- 除非用户另有指定，否则始终应用 Benjamini-Hochberg 6. **基因集大小过滤** \- 按最小/最大基因集大小过滤以避免琐碎/过于宽泛的术语 7. **证据分级** \- 对富集来源进行分级 T1-T4 8. **记录阴性结果** \-“无显着富集”是有效发现 9. **来源参考** \- 每个富集结果必须引用所使用的工具/数据库/库 10. **完整性检查表** \- 末尾的必填部分显示分析覆盖范围 ** ** ## 决策树：ORA 与 GSEA 问：你们有基因排名列表（包含分数/倍数变化）吗？是 → 使用 GSEA (gseapy.prerank) - 输入：基因到分数映射（例如 log2FC） - 统计：运行浓缩分数、排列测试 - 截止值：FDR q-val < 0.25（GSEA 标准） - 输出：NES（标准化富集分数），先导基因请参阅：references/gsea_workflow.md 否 → 使用 ORA (gseapy.enrichr) - 输入：仅基因列表 - 统计：费舍尔精确检验，超几何 - 截止值：调整后的 P 值 < 0.05（或用户指定） - 输出：P值、调整后的P值、重叠、优势比请参阅：references/ora_workflow.md ** ** ## 决策树：gseapy 与 ToolUniverse 工具问：我应该使用哪种富集方法？初步分析（始终）： ├─ gseapy.enrichr (ORA) 或 gseapy.prerank (GSEA) │ - 最全面（225+ Enrichr 库） │ - GO（BP、MF、CC）、KEGG、Reactome、WikiPathways、MSigDB │ - 支持所有生物体 │ - 返回：P 值、调整后的 P 值、重叠、基因 │ 参见：参考文献/enrichr_guide.md 交叉验证（发布所需）： ├─ PANTHER_enrichment [T1 - 策划] │ - 精心策划的 GO 丰富内容 │ - 多种生物体（分类ID） │ - GO BP、MF、CC、PANTHER 途径、Reactome │ ├─ STRING_function_enrichment [T2 - 已验证] │ - 在一次调用中返回所有类别 │ - 按类别过滤：流程、功能、组件、KEGG、Reactome │ - 基于网络的丰富 │ └─ ReactomeAnalysis_pathway_enrichment [T1 - 策划] - 反应组策划的途径 - 跨物种投影 - 详细的路径层次结构附加上下文（可选）： ├─ GO_get_term_by_id, QuickGO_get_term_detail（GO术语详情） ├─ Reactome_get_pathway、Reactome_get_pathway_hierarchy（路径上下文） ├─ WikiPathways_search、WikiPathways_get_pathway（社区路径） └─ STRING_ppi_enrichment（网络拓扑分析） ** ** ## 快速启动工作流程 ### 第 1 步：创建报告文件（立即） report_path = f“{analysis_name}_enrichment_report.md” # 写入带有占位符部分的标题 # 随着分析的进行逐步更新 ### 第2步：ID转换和验证从工具宇宙导入工具宇宙 tu = 工具宇宙() tu.load_tools() # 检测ID类型 gene_list = [“TP53”，“BRCA1”，“EGFR”] # 自动检测：ENSG* = Ensembl，数字 = Entrez，模式 = UniProt，else = 符号 # 如果需要的话进行转换（Ensembl/Entrez → Symbol）结果 = tu.tools.MyGene_batch_query( 基因_ids=基因_列表，字段=“符号，entrezgene，ensembl.gene” ） # 从结果中提取符号 # 使用 STRING 进行验证映射 = tu.tools.STRING_map_identifiers( 蛋白质_ids=基因_符号，物种=9606#人类） # 使用首选名称作为规范符号 **参见**：references/id_conversion.md 以获取完整示例 ### 步骤 3：使用 gseapy 进行初级富集 **对于 ORA（仅限基因列表）**：导入gseapy # GO 生物过程 go_bp = gseapy.enrichr( 基因列表=基因符号， gene_sets='GO_Biological_Process_2021', 有机体='人类'，外部目录=无， no_plot=真， background=background_genes # None = 全基因组） go_bp_sig = go_bp.results[go_bp.results['调整后的 P 值'] < 0.05] **对于 GSEA（排名基因列表）**：将 pandas 导入为 pd # 按log2FC排名 ranked_series = pd.Series(gene_to_score).sort_values(ascending=False) gsea_result = gseapy.prerank( rnk=排名_系列， gene_sets='GO_Biological_Process_2021', 外部目录=无， no_plot=真，种子=42，最小尺寸=5，最大大小=500，排列数=1000 ） gsea_sig = gsea_result.res2d[gsea_result.res2d['FDR q-val'] < 0.25] **参见**： *references/ora_workflow.md 获取完整的 ORA 示例 *references/gsea_workflow.md 获取完整的 GSEA 示例 *references/enrichr_guide.md 适用于所有 225 个以上的库 ### 步骤 4：与 ToolUniverse 交叉验证 # PANTHER [T1 - 策划] panther_bp = tu.tools.PANTHER_enrichment( gene_list=','.join(gene_symbols), # 逗号分隔的字符串有机体=9606， Comments_dataset='GO:0008150' # 生物过程） # STRING [T2 - 已验证] string_result = tu.tools.STRING_function_enrichment( 蛋白质_ids=基因_符号，物种=9606 ） # 按类别过滤：流程、功能、组件、KEGG、Reactome # Reactome [T1 - 策划] Reactome_result = tu.tools.ReactomeAnalysis_pathway_enrichment( identifiers=' '.join(gene_symbols), # 以空格分隔页大小=50， include_disease=真） **参见**：references/cross_validation.md 了解比较策略 ### 第 5 步：报告编译 ## 结果 ### GO 生物过程（前 10 名） |术语 | P 值 |调整。 P 值 |重叠|基因|证据| |------|---------|-------------|---------|--------|---------| |细胞周期调节 (GO:0051726) | 1.2e-08 | 3.4e-06 | 12/45 | 12/45 TP53;BRCA1;... | [T2] gseapy | ### 交叉验证 | GO 术语 | gseapy 罗斯福 |罗斯福黑豹 | STRING 罗斯福 |共识 | |--------|---------|-------------|------------|------------| |去：0051726 | 3.4e-06 | 2.1e-05 | 1.8e-05 | 3/3 ✓ | ### 完整性检查表 - [x] ID 转换（MyGene、STRING）- 95% 已映射 - [x] GO BP (gseapy, PANTHER, STRING) - 24 个重要术语 - [x] GO MF (gseapy, PANTHER, STRING) - 18 个重要术语 - [x] GO CC（gseapy、PANTHER、STRING）- 12 个重要术语 - [x] KEGG (gseapy, STRING) - 8 个重要途径 - [x] Reactome (gseapy, ReactomeAPI) - 15 条重要途径 - [x] 交叉验证 - 12 个共识术语（2 个以上来源） **参见**：scripts/format_enrichment_output.py 用于自动格式化 ** ** ## 证据分级等级 |符号|标准|示例 ---|---|---|--- **T1** | [T1] |策划/实验丰富| PANTHER，反应组分析服务 **T2** | [T2] |计算丰富，经过充分验证 | gseapy ORA/GSEA、STRING功能丰富 **T3** | [T3] |文本挖掘/预测丰富 |丰富非策划图书馆 **T4** | [T4] |单一来源注释 |来自 QuickGO 的单个基因 GO 注释 ** ** ## 支持的生物体有机体 |分类ID | gseapy |黑豹 |字符串 |反应组 ---|---|---|---|---|--- 人类 | 9606 | 9606是的 |是的 |是的 |是的鼠标| 10090 | 10090是 (`*_Mouse`) |是的 |是的 |是（投影）老鼠 | 10116 |有限公司|是的 |是的 |是（投影）飞翔| 7227 | 7227有限公司|是的 |是的 |是（投影）蠕虫| 6239 | 6239有限公司|是的 |是的 |是（投影）酵母| 4932 |有限公司|是的 |是的 |是的 **参见**：references/organism_support.md 了解特定于生物体的库 ** ** ## 常见模式 ### 模式 1：标准 DEG 富集 (ORA) 输入：差异表达基因符号列表流程：ID验证→gseapy ORA（GO + KEGG + Reactome）→ PANTHER + STRING 交叉验证 → 报告最丰富的术语用途：当您有来自 DESeq2/edgeR 的未排序基因列表时 ### 模式 2：排序基因列表 (GSEA) 输入：差异表达的基因到 log2FC 的映射流程：转换为排名系列 → gseapy GSEA (GO + KEGG + MSigDB) → 按 FDR < 0.25 过滤 → 报告 NES 和先导基因使用：当您有倍数变化或其他排名指标时 ### 模式 3：BixBench 丰富问题输入：有关富集的具体问题（例如，“中性粒细胞激活的调整 p 值是多少？”）流程：解析基因列表和库的问题 → 使用精确库运行 gseapy → 查找特定术语 → 报告准确的 p 值和调整后的 p 值用途：回答有关特定术语的针对性问题时 ### 模式 4：多生物富集输入：小鼠实验的基因列表流程：使用organism='mouse'作为gseapy→organism=10090作为PANTHER/STRING→ 对于 Reactome 人类通路图投影=True 用途：与非人类有机体一起工作时 **参见**：references/common_patterns.md 了解更多示例 ** ** ## 故障排除 **“未发现明显富集”**： * 验证基因符号是否有效（STRING_map_identifiers） * 尝试不同的库版本（2021 vs 2023 vs 2025） * 尝试放宽显着性截止值或使用 GSEA 代替 **“未找到基因”错误**： * 检查 ID 类型并使用 MyGene_batch_query 进行转换 * 从 Ensembl ID 中删除版本后缀 (ENSG00000141510.16 → ENSG00000141510) **“STRING 返回所有类别”** ： * 这是预期的结果；收到结果后按 `d['category'] == 'Process'` 进行过滤 **参见**：references/troubleshooting.md 以获取完整指南 ** ** ## 工具参考 ### 主要丰富工具工具|输入 |输出|用于 ---|---|---|--- `gseapy.enrichr()` |基因列表、基因集、有机体 | `.results` 数据框 | ORA 拥有超过 225 个库 `gseapy.prerank()` | rnk（排名系列），gene_sets | `.res2d` 数据框 | GSEA分析 ### 交叉验证工具工具|关键参数|证据等级 ---|---|--- `PANTHER_丰富` |基因列表（逗号分隔）、有机体、注释数据集 | [T1] `STRING_功能丰富` |蛋白质_ids，物种| [T2] `反应组分析_路径_丰富` |标识符（空格分隔）、page_size | [T1] ### ID转换工具工具|输入 |输出 ---|---|--- `MyGene_batch_query` |基因 ID、字段 |符号、Entrez、Ensebl 映射 `STRING_map_identifiers` |蛋白质_ids，物种|首选名称、STRING ID **参见**：references/tool_parameters.md 以获取完整的参数文档 ** ** ## 详细文档所有详细示例、代码块和高级主题已移至“references/”： * **references/ora_workflow.md** \- 所有数据库的完整 ORA 示例 * **references/gsea_workflow.md** \- 带有排名列表的完整 GSEA 工作流程 * **references/enrichr_guide.md** \- 所有 225+ Enrichr 库和用法 * **references/cross_validation.md** \- 多源验证策略 * **references/id_conversion.md** \- 基因 ID 消歧和转换 * **references/tool_parameters.md** \- 完整的工具参数参考 * **references/organism_support.md** \- 特定于生物体的配置 * **references/common_patterns.md** \- 详细用例示例 * **references/troubleshooting.md** \- 完整的故障排除指南 * **references/multiple_testing.md** \- 修正方法（BH、Bonferroni、BY） * **references/report_template.md** \- 标准报告格式帮助脚本： * **scripts/format_enrichment_output.py** \- 格式化报告结果 * **scripts/compare_enrichment_sources.py** \- 交叉验证分析 * **scripts/filter_by_gene_set_size.py** \- 按大小过滤术语 ** ** ## 资源对于网络级分析： [tooluniverse-network-pharmacology]() 对于疾病表征：对于空间组学： [tooluniverse-spatial-omics-analysis]() 对于蛋白质相互作用： [tooluniverse-蛋白质相互作用]() gseapy 文档： PANTHER API： STRING API：[https://string-db.org/cgi/help?sessionId=&subpage=api]() Reactome 分析：

工具宇宙基因富集

包含技能