Prerank算法

用途与运行方式

• 场景一：对SDAS DEG分析得到的所有差异基因进行prerank分析

  SDAS geneSetEnrichment prerank \
  -i de_t-test.anno_rctd.SmoothMuscle-vs-Endo.all.csv -o ./ \
  --species human 

• 场景二：只用感兴趣的数据库进行分析

  SDAS geneSetEnrichment prerank \
  -i de_t-test.anno_rctd.SmoothMuscle-vs-Endo.all.csv -o ./ \
  --gmt sdas_deg_enrichment/lib/GSEADB/h.all.v2024.1.Hs.symbols.gmt,sdas_deg_enrichment/lib/GSEADB/KEGG_2021_Human.gmt

• 场景三：只对感兴趣的通路进行作图，将感兴趣的通路全名写入一个txt文档里面，每个通路一行，然后将这个txt文档通过--pathways参数传入分析流程。需要注意的是使用的数据库中必须包含这些指定的通路名称。

  SDAS geneSetEnrichment prerank \
  -i de_t-test.anno_rctd.SmoothMuscle-vs-Endo.all.csv -o ./ \
  --gmt sdas_deg_enrichment/lib/GSEADB/h.all.v2024.1.Hs.symbols.gmt,sdas_deg_enrichment/lib/GSEADB/KEGG_2021_Human.gmt \
  --pathwas ./term.txt

输入参数说明

prerank参数	是否必须	默认值	描述
-i / --input	是		SDAS DEG分析得到的all.csv文件
-o / --output	是		结果存放路径
--species	否	human	指定或构建好的物种的数据库，'human' 或 'mouse'，默认 'human'，当指定--gmt参数时，该参数不起作用
--gmt	否		gmt格式的数据库文件，其中gene name信息必须为大写，多个文件时用','隔开
--graph	否	10	筛选top数量的通路进行画图，默认'10'，设置了--pathways参数时，该参数不起作用
--pathways	否		通过txt文件指定1到多个感兴趣的通路进行画图
--min_size	否	15	基因集中包含的输入基因最小数量。默认：15
--max_size	否	20000	基因集中包含的输入基因最大数量。默认：20000
--label	否		表型标签参数需要定义两个参数。默认：('Pos','Neg')
-v / --verbose	否		启用详细模式，打印任务进度。默认：False
--permu_num	否	1000	随机置换次数（用于计算esnulls）。默认：1000
--weight	否	1	排序指标权重（用于调整输入基因权重），可选值：{0, 1, 1.5, 2}。默认：1
--ascending	否		设置排序指标为升序（若指定此参数则ascending=True）。默认：False（降序）
--seed	否	123	随机数种子。默认：123
--threads	否	1	并行计算使用的线程数。默认：1

输出结果展示

prerank结果文件	描述
prerank_{database}.csv	csv格式的结果文件
prerank_{database}:top10.pdf/png	pdf和png格式的图像文件

• csv文件格式:prerank_{database}.csv，文件结果跟gsea类似，包含Name,Term,ES,NES,NOM p-val,FDR q-val,FWER p-val,Tag %,Gene %,Lead_genes这几列，其中Term是通路名称；ES是富集得分(Enrichment Score)，反映基因集成员在排序基因列表（如差异表达基因排序）中的富集程度，正ES：基因集在排序列表顶部富集（与表型正相关），负ES：基因集在排序列表底部富集（与表型负相关）；NES是标准化富集得分 (Normalized Enrichment Score)；NOM p-val是名义p值；FDR q-val是校正后的p值；FWER p-val是族系错误率校正后的p值；Tag %是基因集中位于排序列表核心富集区域的基因百分比；Gene %是分析中实际使用到的基因占基因集总基因数的百分比；Lead_genes是对富集得分（ES）贡献最大的核心基因。

Name	Term	ES	NES	NOM p-val	FDR q-val	FWER p-val	Tag %	Gene %	Lead_genes
prerank	HALLMARK_MYC_TARGETS_V1	0.7472938191195556	2.39333105644001	0.0	0.0	0.0	160/195	18.89%	RPL14;HNRNPA2B1;...
prerank	HALLMARK_OXIDATIVE_PHOSPHORYLATION	0.7431758291176868	2.376055485647371	0.0	0.0	0.0	168/200	20.44%	MDH2;COX8A;...
prerank	HALLMARK_ALLOGRAFT_REJECTION	0.744882727767552	2.3688992213810462	0.0	0.0	0.0	118/194	14.03%	ITGB2;HLA-DRA;...
prerank	...	...	...	...	...	...	...	...	...

• top Terms富集曲线图:prerank_{database}:top10.pdf/png（见下图示例），图中Enrichment Score（ES）的正负直接反映基因集在基于log2FC排序基因列表中的分布模式：ES为正，表示基因集成员集中在排序列表的顶部，基因集与表型正相关；ES为负，表示基因集成员集中在排序列表的底部，基因集与表型负相关。