lncRNA的GSEA富集分析

准备输入文件
通过GSEA富集分析，我们可以知道高低风险组在哪些基因集里面具有富集，在做富集分析之前，我们需要准备好GSEA富集分析需要的输入文件。它需要两个输入文件，一个是表达数据集文件，另外一个是表型数据文件

我们先看一下表达数据集文件，从中我们可以得知，基因的数目是五万多个，样本的数目是三百多个。接下来列名表示样品的名称，行名是样品名称。然后这里第二列是描述，如果这个基因没有描述的话，我们这里就显示no，然后就是基因在样品里面的表达量。这就是我们准备好一个表达数据文件。

接下来我们还要一个文件，就是表型数据文件，这个文件第一行的话显示的是334个样品，这334个样品，我们把它这分为两组，分别是低风险组和高风险组，低风险组用l表示，高风险组用h表示，它的顺序是和上面样品的顺序是一一对应的。

这两个输入文件如果手动去准备就非常复杂，可能就要花一定的时间。我们这里的话就直接用脚本文件，大家直接运行脚本就可以得到这两个文件。

在运行脚本之前，我们要准备好两个文件，分别是样品的表达矩阵和lncRNA的风险值文件。

运行脚本后，我们就得到了表达数据文件和表型数据文件。

富集分析
得到这两个文件后，我们就可以做GSEA富集分析了，经过富集分析，我们会得到这样的图形

我们首先看一下它的横坐标，也就是最下面一部分，代表是我们的基因。我们的基因从左到右，左边的基因代表这个基因在高风险的样品里面高表达，右边的基因的话就代表这些基因在我们的低风险的样品里面高表达，所以这里是一个排序，这个排序就是在高风险里面它的表达量的一个降序，越往左边就说明这些基因在高风险的病人里面，它的表达越高，然后越往右边就说明在低风险里面的表达越高。

这些黑色的竖线代表这些基因存在于我们这个基因集里面。我们可以看一下这个打分是怎么走的，打分的话就是从左往右，当我们碰到一个基因，如果它存在于我们的基因集里面，打分就增加，说明左边这一片基因都存在于基因集里面，所以它的打分就非常高。越往后，基因的数量越来越少，所以它的打分就开始下降。

我们富集的打分是根据这个图形峰值的打分进行定义的，我们根据这个峰值的打分可以去做统计学的检验，得到一个P值，如果P小于0.05，就说明我们这个高低风险在这个基因集里面是具有富集的。然后富集的话我们会出现两种情况，一种峰值在上方，一种是峰值在下方，如果峰值在上方的话，就说明这个基因在高风险的病人里面表现比较活跃。比如说我们所看到的这两个图形，就属于在高风险的病人里比较活跃。

下面我们来绘制这样的图形，输入文件我们已经准备好了，除了两个输入文件，我们还要准备好GSEA软件和两个gmt文件，这个在之前文章中已经准备好了。