biolearnexacthfjrv1x2vx37x2tx2p

GSEAとは何か

この記事で学ぶこと

GSEAは、Gene Set Enrichment Analysisの略で、遺伝子全体のランキングの上位または下位に、特定の遺伝子セットが偏って現れるかを調べる解析です。

差次的発現解析では、しきい値で候補遺伝子を選ぶことがよくあります。一方、GSEAでは候補を先に切り出すのではなく、比較に基づいて並べた遺伝子ランキング全体を使い、経路や機能のまとまりがどちら側に偏るかを見ます。

GSEAの視点が重要なのは、小さな変化をする遺伝子がまとまって同じ方向に偏る場合を見つけやすいからです。個々の遺伝子だけでは強く見えなくても、経路や機能カテゴリとして見ると一貫した傾向が分かることがあります。

また、しきい値で遺伝子リストを作る方法と違い、ランキング全体を使うため、候補の切り方に依存しにくい面があります。ただし、ランキングの作り方や遺伝子セットの定義には依存します。

GSEAの結果では、遺伝子セット名、NES、p値、FDR、leading edgeなどが出てきます。NESはnormalized enrichment scoreの略で、遺伝子セットの偏りの強さを比較しやすくした指標です。

Leading edgeは、偏りに強く寄与した遺伝子のまとまりです。経路名だけでなく、どの遺伝子がleading edgeに入っているかを見ると、結果の具体的な意味を考えやすくなります。

GSEAでは、まず遺伝子を何らかの指標で並べます。たとえば、条件Aと条件Bの発現差、検定統計量、相関係数などを使って、遺伝子を上位から下位へランキングします。

次に、あらかじめ定義した遺伝子セットが、そのランキングの上位や下位に偏るかを計算します。多数の遺伝子セットを調べるため、FDRなどの多重検定補正を合わせて確認します。

GSEAの結果は、発現変化を経路や機能のまとまりとして解釈する手がかりになります。たとえば、細胞周期関連の遺伝子セットがランキング上位に偏る場合、その比較で細胞周期に関わる発現傾向が強い可能性を考えます。

ただし、GSEAは「その経路が直接活性化した」ことを単独で証明するものではありません。RNA量の傾向を遺伝子セット単位で見ているため、タンパク質活性、代謝活性、細胞機能の証明とは分けて考えます。

論文では、GSEAはGSEA plot、上位遺伝子セットの表、ドットプロット、Supplementary tableとして出てくることがあります。Figureでは、曲線の形だけでなく、ランキングの向き、遺伝子セット名、NES、FDR、leading edgeを確認します。

Methodsでは、ランキング指標、使った遺伝子セット集、ソフトウェア、バージョン、FDRのしきい値を確認します。同じデータでも、遺伝子セット集やランキング方法が変わると結果が変わることがあります。

GSEAとPathway enrichment: GSEAはランキング全体を使う代表的なエンリッチメント解析で、候補遺伝子リストだけを入力する方法とは考え方が違います。
NESとFDR: NESは偏りの強さ、FDRは多数の遺伝子セットを調べたときの統計的な確からしさの手がかりです。
Leading edgeと遺伝子セット全体: Leading edgeは結果に強く寄与した一部の遺伝子で、セット全体と同じではありません。

日本語	英語	略語	説明
GSEA	gene set enrichment analysis	GSEA	遺伝子セットが条件間の変化に偏って現れるかをランキング全体から調べる解析。
遺伝子セット	gene set	-	共通の機能、経路、条件などでまとめられた遺伝子の集合。
エンリッチメント	enrichment	-	ある特徴や遺伝子セットが期待より多く含まれるかを見る考え方。
多重検定補正	multiple testing correction	-	多数の検定を行うと偶然の候補が増える影響を調整する処理。

確認問題

読み終えた内容を、1問ずつ選択式で確認します。

未回答

4問最高記録なし復習なし