GSVA中用ssgsea的ES得分很低

Question

ES得分很低还能用吗？还是说用的是标准化后的NES呢？r语言

Answer 1

引自免费微信小程序：皆我百晓生

在使用GSVA（基因集富集分析）包进行基因集富集分析时，你会遇到两种主要的统计量：Enrichment Score (ES) 和 Normalized Enrichment Score (NES)。ES是未标准化的统计量，它反映了基因集合在样本中的整体趋势，而NES是对ES进行归一化处理后的结果，使得比较不同通路或基因集合更为方便。

如果你发现某个基因集的ES得分较低，这可能意味着这个基因集在你的样本中并不显著富集。但是，这并不意味着你不能使用这个得分。实际上，你可以结合p值、FDR（False Discovery Rate）以及具体研究背景来判断这个得分是否具有生物学意义。通常来说，ES值越接近1表示正向富集，值越接近-1表示反向富集，值接近0则表示不富集。同时，低的p值和低的FDR会增加富集结果的可信度。

如果你想使用标准化后的NES得分，你可以通过以下R代码计算：

library(GSVA)
# 假设你已经有了排序后的表达矩阵 exprs_matrix 和 GSVA 需要的 gene_sets
result <- gsva(exprs_matrix, gene_sets, method = "ssgsea")
# 计算 NES 分数
nes_result <- result$nes

在这个例子中，method = "ssgsea" 指定了使用单样本基因集富集分析（SSGSEA）。result$nes 将返回一个包含所有基因集 NES 值的数据框。

为了更好地理解这些值的意义，你可以绘制分布图来可视化所有基因集的 NES 值，并标记出具有显著性（例如 p-value < 0.05 或 FDR < 0.05）的基因集。下面是一个简单的示例，展示如何绘制 NES 分布图并突出显示显著性结果：

# 假设你已经计算了 p-values 和 FDR
p_values <- result$pval
fdr <- result$fdr

# 创建一个逻辑向量，标识显著性结果
significant <- fdr < 0.05

# 绘制 NES 分布图
plot(density(nes_result), xlab = "Normalized Enrichment Score", ylab = "Density",
     main = "Distribution of NES Scores")

# 在图上标记显著性结果
abline(v = quantile(nes_result[significant], c(0.25, 0.75)), col = "red", lty = 2)

# 可选：绘制显著性阈值线
abline(h = 0, lty = 2, col = "gray")
abline(h = -log10(0.05), lty = 2, col = "blue") # 如果你使用的显著性标准为 p-value < 0.05

这样，你就可以直观地看到哪些基因集有较高的 NES 值，并且是基于你的显著性标准筛选出来的。如果你对某个基因集的ES得分感到困惑，可以考虑查看其对应的NES得分以及相应的p值和FDR，综合评估其生物学意义。