在前面的《GSEA简介》中，简单介绍GSEA，以及GSEA分析调用的后台数据库MsigDB。下面简单介绍GSEA的使用。
    image.png
    第一步、下载GSEA软件：
    下载地址：http://software.broadinstitute.org/gsea/downloads.jsp
    image.png
    下载后安装打开（JAVA运行环境大家按照软件提示来安装就可），软件初始界面是：
    image.png**

    第二步、准备数据
    在分析以前我们需要准备两个文件，两个文件可以用Excel打开：
    （下载链接： https://pan.baidu.com/s/1pLvZQbx 密码: dfng）

    1. 表达文件image.png
    2. 说明文件；

    image.png
    接下来把两个文件导入软件：
    image.png
    好了以后是这样的：
    image.png
    三、数据分析
    下面开始设置参数：
    image.png
    Number of permutations这里最多可以选择1000次（次数越多结果相对越可靠，但是占用CPU越多），permutation type是Geneset，其中1，2和3处的地方设置为：
    image.png
    image.png
    image.png
    然后运行就好了，运行模式有low和normal两种，是说对CPU的占用率的。
    image.png
    这里我们选择Normal模式，然后单击Run，就可以了：
    image.png
    然后就好了：
    image.png
    这里大家看到，小张在第一次运行的时候也遇到了问题，经过调整第二次才好，同样的道理，大家在用我们推荐的软件或者网站的时候也要多试一下，特别是一些网站，换个浏览器就好了。
    四、结果解读
    这里如果我们直接单击show results folder，出现这个文件夹：
    image.png
    打开文件夹是这样的：
    image.png
    看的都晕掉了，乱七八糟的什么东东啊！
    我们换种方式看：单击success，
    image.png
    会链接到一个网页，这里给出的是所有的结果的说明：
    image.png
    包括在两组样本中上调和下调的基因组合（Geneset）数量，image.png
    富集结果的概览和详细信息：
    image.png
    富集结果的概览：image.png
    富集结果的详细信息（点看看大图）
    image.png
    然后每个富集的基因组合都可以点开，看到关于基因的信息。
    image.png
    接下来我们看这个Enrichment Plot，在文章里面出现的是最多的，下面的图说的是这个基因组合：
    REACTOME_P53_INDEPENDENT_G1_S_DNA_DAMAGE_CHECKPOINT
    REACTOME数据库中的（P53非依赖的G1_S期DNA损伤检查点）
    image.png
    每条黑线代表一个基因，所有的图富集分数（Enrichment Score）一开始都是0。在所有的基因中，如果出现一个基因属于这个组合并且表达量在DEAD组里面表达高于ALIVE组，富集分数就增加，反之就下降。
    上面的图，对应到热图里就是下面这个图（单击看大图）：
    image.png
    五：补充说明
    好了，最后我们说一下这个GSEA分析的一个重要特点：
    在我们的输入的文件“基因表达文件”中，给出的不仅是基因名，还有所有基因的表达值。这与我们进行GO/Pathway分析时输入差异表达的基因是不同的，我们在做GO/Pathway富集分析的时候，是首先判断差异表达基因，然后再看差异表达的基因所参与的功能；而GSEA分析则根据一组基因的整体表达趋势来看该组基因是否有差异。
    比如：常规的GO/Pathway分析是这样：先从10000个基因中找到差异基因800个（倍数>1.5倍），然后再分析功能；而GSEA则把10000个基因全部放进来，不管差异倍数是1.5还是1.1，统统进行考量和富集。再极端一点，如果某条通路的分子大部分都被上调了，但是倍数只有1.3倍，常规的分析会遗漏该通路，而GSEA分析则能找出来。这一点是GSEA与常规富集分析最大的区别。