富集分析怎么选？GO、KEGG、GSEA、GSVA一次讲透！

做生物研究的你，是不是也被海量基因数据折磨过？辛辛苦苦做完测序、差异分析，结果面对成百上千个差异基因，一脸懵：

这些基因到底在干嘛？

它们之间有啥关系？

和我的研究表型有啥联系？

这时候，富集分析就像一位“基因翻译官”，帮你把冷冰冰的基因名，翻译成我们能看懂的生物学功能、代谢通路、信号网络……不管你是研究植物开花、动物疾病，还是细胞信号，它都是解读数据的关键一步。

今天，咱们就来聊聊科研人最常用的四大富集分析工具：GO、KEGG、GSEA和GSVA，一次性讲清楚它们的区别，以及到底该怎么选。

 一 、GO和KEGG：经典老牌，稳中带强

要说富集分析，GO和KEGG绝对是科研界的“老熟人”。它们历史悠久，使用广泛，几乎每篇涉及基因功能分析的论文里都能看到它们的身影。

1.GO分析——功能词典

GO（Gene Ontology，基因本体论）就像一本基因功能大词典，把每个基因的功能分成三大类：

• 分子功能（MF，Molecular Function）：比如这个基因编码的蛋白能“结合DNA”“催化反应”；

• 生物学过程（BP，Biological Process）：比如“细胞分裂”、“免疫应答”、“开花调控”；

• 细胞组分（***，Cellular ***ponent）：比如这个蛋白位于“细胞核”、“线粒体”、“细胞膜”。

举个例子，如果你研究植物开花时间，GO分析可能会告诉你，差异基因富集在“光周期响应”、“开花时间调控”这些生物学过程上，或者它们编码的蛋白位于“细胞核”，执行“转录因子”功能。

GO的好处是分类细致，能让我们从多个角度理解基因的功能。但缺点是它只关注单个基因的功能，不涉及基因之间的网络关系。

2.KEGG分析——通路地图

如果说GO是“功能词典”，那KEGG（Kyoto Encyclopedia of Genes and Genomes，京都基因与基因组百科全书）就是一张“通路地图”。KEGG把基因按照它们参与的代谢通路（比如糖酵解、TCA循环）、信号转导通路（比如MAPK通路、PI3K-AKT通路）、疾病相关通路等进行了系统整理。每个通路都是一个网络图，里面包含了哪些基因、这些基因如何相互作用、最终调控什么生物学过程，都一目了然。

继续拿植物开花举例，KEGG可能告诉你，差异基因集中在“光信号转导”或“昼夜节律”通路上，还能直观看到它们在网络中的位置和关系。

KEGG的优势在于它能展示基因之间的协同作用和网络关系，特别适合研究信号传导和代谢途径。但它的缺点是通路数量有限，而且主要是已知的经典通路，对于一些新发现的机制可能覆盖不够。

GO/KEGG富集可视化形式：柱状图，气泡图，网络图，Upset图

3.GO和KEGG怎么选？

• 如果你想知道：“这些差异基因主要参与哪些具体的生物学功能？”（比如是跟代谢有关，还是跟细胞分裂有关？）那就选GO。

• 如果你想知道：“这些基因在哪些经典的代谢或信号通路里起作用？它们之间是怎么相互影响的？”（比如是否集中在某条明星通路上？）那就选KEGG。

• 最佳实践：很多时候，GO和KEGG会一起用，先用GO了解大致功能方向，再用KEGG深入探究具体的通路机制。

 二 、GSEA和GSVA：灵活进阶，适合复杂场景

当你的研究问题更复杂，或者你手头的数据不适合直接用GO/KEGG时，GSEA和GSVA这两个进阶选手就派上用场了。

1.GSEA——无阈值捕捞

传统的富集分析（比如GO/KEGG的常规用法），往往需要我们先设定一个差异基因的阈值（比如p-value<0.05，fold change>2），然后只对这些“显著差异”的基因进行分析。但这样可能会漏掉一些虽然变化不大，但集体朝着同一个方向变化、且有生物学意义的基因。

GSEA（Gene Set Enrichment Analysis，基因集富集分析）就聪明多了，它不需要预先筛选差异基因！它会把所有基因按照表达量的变化趋势（比如从高到低）排个队，然后看看你感兴趣的某个基因集（比如某个通路的所有基因，或者某个功能类别的基因群）是不是在这个排序列表的某一端（通常是顶端或底端）富集。

GSEA富集可视化图

举个例子，即使某个通路里的基因没有一个达到传统意义上的“显著差异”标准，但如果它们整体上都呈现上调或下调的趋势，GSEA就能敏锐地捕捉到这种集体变化，并告诉你这个通路可能很重要。

GSEA特别适合：

• 单个基因变化不显著，但整体趋势一致，很可能是协同作用；

• 不想先入为主地筛选差异基因，怕遗漏重要信息；

• 想全面扫描所有可能的通路或功能类别，看看有没有意外的发现。

2.GSVA——单样本活性打分

GSVA（Gene Set Variation Analysis，基因集变异分析）则走的是另一条路线。它关注的是每个样本内部，某个基因集（比如某个通路）的“活性”如何，而不是像传统方法那样比较组间的差异。

GSVA富集评分可视化形式：双向条形图，热图，富集散点图，箱线图

比如你有肿瘤样本和正常样本，GSVA就能通过对每个样本的基因表达谱进行分析，计算出一个“通路活性分数”，告诉你这个通路在每个样本里的活跃程度，进而可以比较不同样本组之间通路活性的差异，或者进行聚类、生存分析等后续研究。

GSVA适合场景：

• 样本间差异大，想看清每个样本的功能状态；

• 没有时间序列或对照组；

• 想做更复杂的下游分析（如分型、聚类、关联临床表型）。

3.GSEA和GSVA怎么选？

如果你的研究问题是：“在两组样本中，哪些整体的通路或功能类别发生了变化？（即使单个基因变化不显著）”那GSEA更合适。

如果你的研究更关注：“每个样本内部，哪些通路是活跃的？我想比较不同样本间通路活性的差异，或者把样本按照通路活性分组。”那GSVA可能更适合。

记住：GSEA通常需要你有明确的分组信息（比如处理组vs对照组），而GSVA不一定需要。

 三 、实战指南：我到底该用哪个？

说了这么多，可能你还是有点懵：到底啥时候用GO？啥时候用GSEA？别急，下面我们就结合实际的科研场景，给你一些更接地气的建议。

场景1：你已经有了明确的差异基因列表

这是最常见的情况。比如你做了RNA-seq，用DESeq2、limma等工具筛出了一堆差异表达基因。推荐流程：

• 第一步，GO分析：先看看这些差异基因主要参与哪些生物学功能？是代谢？是应激响应？还是发育过程？

• 第二步，KEGG分析：接着看看这些基因集中在哪些经典的代谢或信号通路上？它们在这些通路里扮演什么角色？

• 可选GSEA：如果想更全面，或者验证你的发现，可以用GSEA再扫描一遍，看看有没有其他重要的通路被你的差异基因富集。

场景2：你没有任何先验假设，想盲筛潜力通路

有时候，我们可能并没有明确的差异基因列表，或者想更全面地探索数据，看看有没有隐藏的模式。

• 首选GSEA：它可以不依赖预先设定的差异基因，全面扫描所有可能的通路或功能类别，帮你发现那些基因集体变化但单个不显著的信号。

• 也可以考虑GSVA：如果你更关心样本间的功能差异，或者想为后续的聚类、分型做准备，GSVA能给你提供每个样本的通路活性信息。

场景3：你想研究时间序列、发育过程，或者临床样本的异质性

• GSVA可能是你的好帮手：它能分析每个时间点、每个发育阶段、每个临床样本的通路活性，帮你追踪功能的变化，或者找到与表型相关的关键通路。

• GSEA也可以用于比较不同时间点或组间的富集模式差异。

工具搭配小贴士

• “GO+KEGG”：经典组合，适合大多数基础的功能和通路分析。

• “GSEA”：当你想更全面、不遗漏任何可能信号时。

• “GSVA”：当你关注样本个体差异或需要单样本分析时。

 四 、避坑指南&实用建议

最后，再给大家分享几个血泪教训总结出的实用小贴士：

1. ID要对齐：基因名（如ENTREZ、ENSEMBL）和数据库要匹配，物种别搞错；

2. 多重检验校正：富集分析检验次数多，FDR校正不能少；

3. 别只看p值：生物学意义明确但p值略高的结果，也值得关注；

4. 结合背景解读：工具是辅助，最终要回到生物学问题本身；

5. 多方法交叉验证：GO、KEGG、GSEA、GSVA都指向某个通路？那它大概率真靠谱！

总结：没有“最好”，只有“最合适”！

一句话总结，先明确你想研究什么，再选择合适的工具。富集分析不是“谁更高级”，而是“谁更适合”。用对了，数据才能讲出好故事！