科研课堂 | 春天里，用PGDEA让研究更出彩

什么是PGDEA？

PGDEA，Pathway or Geneset Differential Expression Analysis，中文名为通路差异表达分析。即基于转录组测序或芯片检测结果，分析生物学通路或基因集合在组间的差异，不是一个一个基因，而是生物学通路或者基因集合整体的差异喔。

  为什么要做PGDEA分析？

PGDEA分析避免了差异表达基因筛选标准不统一的问题

常规分析首先筛选差异表达基因集，会采用p<0.05或p< 0.01，并且需要考察差异倍数（FoldChange, FC）, 可能采用FC>1.5 或 FC>2.0或FC>5.0等，然后再进行Pathway富集分析。而PGDEA分析采用全部基因表达谱数据，不受p值或者FC值的限制。

PGDEA分析突破传统，获得更多生物学信息

传统的通路富集分析方法主要针对大量差异表达基因富集的Pathway。而PGDEA分析既可以分析上述Pathway，还可以分析少数差异表达基因分布的生物学通路，和大量表达微量改变基因富集的生物学通路，因此，PGDEA分析大大丰富了转录组分析结果，有助于挖掘更多重要信息。

PGDEA分析基本流程

PGDEA分析适用条件

各种物种

适应于人、大鼠、小鼠、拟南芥、线虫等基因注释完善的物种。

实验平台

转录组测序或芯片结果，均可开展PGDEA分析。

样本要求

实验设计至少有两个组别，每组生物学重复>=6，可获得更好的分析结果。

PGDEA分析结果展示

Pathway差异表达火山图：

图注：图中每一个点表示一个Pathway或GeneSet，横坐标表示Pathway表达值在组间的差异， 纵坐标表示-log10转换后的P-value, 其中红色标记的是显著差异表达的Pathway。

差异表达Pathway聚类分析

图注：上图中每行表示一个差异表达的Pathway, 每列表示一个样本，很好地反映了生物学通路在不同组间的整体表达差异。

PGDEA参考文献

[1] Hanzelmann S1, Guinney J， et al. GSVA: gene set variation analysis for microarray and RNA-seqdata.BMC Bioinformatics (2013).

[2]Barbie,D. A., Hahn W. C，et al. Systematic RNA interference reveals that oncogenicKRAS-driven cancers require TBK1. Nature（2009）.

[3] Tomfohr, J., Kepler, T. B，et al. Pathwaylevel analysis of gene expression using singular value decomposition. BMCBioinformatics（2005）.

[4]Subramanian,Mesirov, J. P，et al. Gene set enrichment analysis: A knowledge-based approach forinterpreting genome-wide expression profiles. Proc.Natl. Acad. Sci. U.S.A(2005).

博奥晶典生物信息部 陈胜 | 撰稿

博奥晶典科研服务事业部吴洁、张西轩 | 文案

部分配图来源于网络 侵删