（全文约​6600字）

富集分析富集分析，本质上是对数据的分布检验，如果分布集中在某个区域，则认为富集。常用的分布检验方法有卡方检验、Fisher精确检验以及KS检验等方法。

生物信息学领域的富集分析在 背景基因集(N) 下获得 一组特定基因集(S) ，S可能是基因列表，表达图谱，基因芯片等形式。在预先构建好基因注释数据库(例如GO,KEGG等)已对背景基因集(N)根据生物功能或过程进行分类的前提下，通过统计学算法找出有那些显著区别于背景基因集(N)的类别(生物组成/功能/过程)，或者找出这组特定基因集间在生物组成/功能/过程的共性，经过聚类后去除冗余得到基因富集结果的过程，即为富集分析。

可以这样简单理解富集分析在做什么。全国人口的户籍作为背景数据，我们通过富集分析可以知道相对于全国背景，客家人是不是明显在广东聚集。比如如果广东的客家人数/全国客家人数这个比值远超过广东人数/全国人数的比值，那么我们可以说客家人在广东是富集的。

富集分析算法经过发展，常见的有四类：

Figure 1. 富集分析四类算法

ORA是出现最早，最常用，有完善的统计学理论基础的方法。ORA重点在于通过基因集组成的比例来判断富集程度。

超几何分布有很多资料可参考，比如：https://www.jianshu.com/p/13f46bebebd4

通过四组数据获得基因数量的2×2列联表，再利用fisher精确检验或超几何分布得到p值。认为设置一个显著性阈值，高于阈值的即为富集基因。

功能分类打分(FCS)概念和改进功能分类打分(FCS)与ORA相比进行了基本假设的改变，除了考虑单个基因的显著变化外，还考虑微效基因的叠加效果。代表是基因集富集分析(Gene Set Enrichment Analysis, GSEA)

FCS分析的三个步骤

基因富集分析(GSEA)是FCS算法中最常用的一种。