差异表达基因富集分析怎么做：常用方法与工具选择指南
差异表达基因富集分析是转录组测序后的关键分析环节，其检测对象为经差异筛选得到的基因集合，而非单一样本。分析内容涵盖基因集数据库选择、富集算法原理、GO与KEGG通路注释、工具参数设置及结果评价指标等多个维度。规范的富集分析可将零散的差异基因归入功能与通路框架，据此揭示实验处理在生物学层面的作用机制，为后续验证实验指明方向。
检测原理与机制
富集分析的核心思想为超几何分布检验。将全部表达基因视为背景总体，差异基因视为待检集合，若某功能条目或代谢通路在差异基因中的分配比例明显高于背景期望，则判定该条目存在富集现象。计算时以背景基因总数、背景中注释到该条目的基因数、差异基因总数及差异基因中注释到该条目的基因数四个参数构建检验模型，获得原始P值。再经多重假设检验校正，剔除假阳性结果。除超几何检验外，还有基于基因排序的GSEA方法，其无需预先设定阈值，适用于变化幅度温和但协同性明显的场景。
分析对象与基因集数据库选择
分析对象为两组或多组比较所得的差异表达基因列表，或全基因表达的排序矩阵。数据库选择需与物种注释体系匹配。GO数据库从生物过程、细胞组分与分子功能三个层面刻画基因属性，适合功能层面的初步定位。KEGG数据库侧重代谢通路与信号转导网络，利于机制阐释。模式生物可附加Reactome、WikiPathways等通路库交叉验证。植物样本可结合物种专用注释文件；非模式物种若无完善注释，可采用同源基因比对转移注释，但须在报告中注明注释来源与比对阈值，以免条目归属产生偏差。
差异基因筛选与样本要求
差异筛选通常在测序获得的表达矩阵基础上进行，常用DESeq2或edgeR完成。筛选标准一般取校正后P值低于0.05，且倍数变化不低于2倍或对数倍数变化绝对值不低于1，具体阈值可依据数据离散程度调整。样本制备环节要求生物学重复不少于三例，以支撑组间统计学检验。RNA完整性数值应达到建库要求，浓度与纯度须满足文库构建标准。取样阶段应控制处理时间点一致，避免批次效应混入。样品若经核糖体RNA去除或链特异性建库处理，需在分析流程中予以标注，保证定量口径统一。
GO与KEGG通路富集方法
GO富集分别对三个本体独立执行，输出各条目的基因数、比例及富集倍数，便于区分功能层级。KEGG富集以通路编号为单元，统计差异基因在每条通路中的覆盖情况，输出通路名称、注释基因数与富集统计量。两类分析均以校正后P值作为主要判定指标，常配合富集因子即比例比值辅助判断效应强度。结果呈现多采用气泡图、柱状图或通路映射图，将差异基因标注于通路框架内。GSEA则对全部基因排序后计算富集得分，适合无明显阈值分界的连续型数据。
常用工具与参数设置
主流工具clusterProfiler、DAVID及KEGG官方接口等。clusterProfiler基于R环境运行，支持enrichGO与enrichKEGG函数，参数设置涉及背景基因集合、P值 cutoff、q值校正方法及最小最大基因数目限制。校正方法默认为BH法。DAVID提供网页操作界面，适合无编程基础的使用者，但条目更新速度相对滞后。使用GSEA时需设定排序度量、置换次数与基因集规模上下限。无论选用何种工具，背景集合应与实际检测到的基因保持一致。若采用全部注释基因作背景，可能引入未表达基因干扰，导致富集结果偏移，故背景设定须与表达矩阵过滤口径对应。
结果解读与性能评价指标
结果解读首先核查富集条目的校正P值与富集因子，再考察条目内基因的表达方向是否一致。GO结果应结合三个本体综合判断，避免仅凭单一层面的条目得出结论。KEGG通路需关注差异基因在通路图中的位置分布，判断其集中于上游调控节点还是下游效应分子。性能评价富集条目数量、注释覆盖率及与已知生物学背景的吻合程度。条目过多提示阈值偏宽，可收紧q值或提高基因数目下限；条目过少则应检查背景设定与注释质量。对关键通路中的枢纽基因，建议以qPCR等独立方法验证，以确认富集结论的可靠性。
常见问题与注意事项
判定依据是什么？
判定依据以多重检验校正后的P值或q值为核心指标，一般低于0.05视为富集成立，同时参考富集因子与条目内差异基因数目。阈值的收紧或放宽应结合样本量与数据离散程度确定，不宜脱离背景设定单独解读。
富集分析适用于哪些样本类型与基因集来源？
适用于各类动植物及微生物转录组测序所得的差异基因集合，也可用于全基因排序矩阵的GSEA分析。基因集可来自DESeq2、edgeR等工具的筛选结果。非模式物种需先行同源注释转移，并注明注释来源与比对阈值。
富集分析报告包含哪些内容与用途？
报告一般包含差异基因清单、GO三个本体的富集条目表、KEGG通路富集统计、气泡图与通路映射图以及所用工具与参数记录。此类报告用于阐释处理因素的生物学机制，为候选基因验证、后续实验设计及论文数据支撑提供依据。
