最近写了这么多关于富集分析的推文，不知道大家看懂了没有，其实富集分析主要就分为两种：ORA和GSEA。

假如你手上有一撮基因，但是你不知道它们有哪些功能，你可以先做个ORA富集分析；假如你有一撮基因，你想看看它们在两种状态下分别会富集在哪些通路，或者两种状态下的功能会有哪些不一样，那你可以做GSEA。

平常最常见的GO和KEGG只是已知功能的基因集合而已，这些基因的功能我们已经研究透了，现在把它们放一起，用来方便大家探索你手上的基因可能有哪些功能，这就是注释基因集，用已知功能的基因来注释你手上的基因。

除了GO和KEGG，还有非常多的注释基因集，比如我们之前介绍过的WikiPathways、Reactome等等。

GSVA是GSEA的变种方法，它是一种常见的可以为样本打分的方法，可以把行为基因列为样本的表达矩阵变为行为基因集列为样本的表达矩阵，也就是说，你提供一个行为基因列为样本的表达矩阵以及几个注释基因集，它就可以计算出样本的变异分数，返回一个每行是一个基因集，列为样本的矩阵。

网上常见的根据通路对样本打分的方法说的就是这个GSVA。

ssGSEA是GSVA的一种特殊类型，二者没有本质上的区别，除了这两种，还有zscore和plage方法，都是通过GSVA包实现的。

我们使用TCGA-SKCM的数据进行演示，注释基因集一般是从misigdb网站下载的，根据你自己的需求来，有些人想看看免疫相关的，那你就下载免疫相关的基因集，你想看炎症相关的就下载炎症相关的基因集。

我们就从msigdb下载经典的Hallmark_gene_sets。下载之后使用clusterProfiler的read.gmt函数直接读取，然后使用split变成GSVA需要的格式。