Enrichment Map User guide用户指南

Enrichment Map User guide

译者：Y大宽

http://www.baderlab.org/Software/EnrichmentMap/UserManual#rnk

总概

CM可以使GSEA结果以网络化的形式可视化呈现。可以是GSEA的结果，当然也可以是DAVID,BINGO等其他的富则羡改集结果。Nodes代表基因集，edge代表每个set间的重叠。这种方式呈现的话，高度冗余的基因集会被划为一组叫clusters，这样就大大增强了导航和解释富集结果的准确性。基因富集是一种数据分析技术，需要有一下2个输入。

1.一个从基因组实验来的排列的基因列表

2.基因集，依据先验知识来的已经归类的功能基因集（如GO）或实验数据（如共表达模型）。

有了以上的输入，那么会输出一个基因集富集列表。也就是能更好的概况基因列表的基因集。通常gene-set enrichment 指的的功能富集，因为指定的功能基因集（如GO）是基于功能范畴的。如下图。

快速使用手册

生成EM（以下Enrichment Map简称为EM）

有几种选择：

加载GSEA结果

加载Generic 结果

加载David结果

加载Bingo结果

以上几种模式的唯一区别是富集列表的结构。如果要使用EM，需要以下文件

File.gmt：基因集 to gene ID

File.txt或.gct：表达谱矩阵（可选择）

File.txt或.xls（*）：富集列表（s）

（*）GSEA以.xsl格式保存富集列表，这不是真正的excel文件，而是修饰过的tab-separated文本文件，EM不能加载真正的EXCEL文件。

假如你的富集结果从GSEA产生的，主要从你的结果文件夹选择正确的文件即可，如果是用其他方法产生的富集结果，那你就去看下面的Full user guide，file 格式部分，确保文件格式和EM匹配。

另外，你可以选择参数缺省。如果你想自己设置自己的参数，那还是去Full user guide的参数选择部分。

EM****的地图

1.Nodes代表基因集

2.Edge代表相互重叠部分

3.富集显著性（p-value）以node颜色密度代表

4.富集的表型以node的颜色（hub）代表

Node在标准的2分类设计中，2个表型比较（比如处理组和非处理组，颜色hue代表富集表型。比如上调和下调的基因。如果两个表型中的一个作为参考（比如未处理），另外一个表型是感兴趣的。在这样的case中，在感兴趣的表型中富集意味up，在对照表表型中富集意味这down

5.Node size代表这个基因集中基因的数目。

探索****EM

1.窗口右边的results panel 的参数tab包含一些说明，比如表型颜色，还展示产生map的参数（比如cut-off值和data files）。

2.control panel面板中的左边network tab列出了当前session中所有可用的网络，底部有一个当前网络的总概，并可以方便的在网络中导航，甚至可以通过拖曳矩形框进行放大(当前窗口)。

3.点击一个node（代表一个基因集的圆圈）会打开data panel的（EM Geneset expression viewer）tab，显示选择基因集的所有基因的表达值的热图。

4.点击边（两个node之间的连线）会打开data panel的（EM overlap expression viewer）会显示被这个边连接的两个基因集中共有的所有基因的热图（也就是重叠基因）

5.如果同时选择了几个nodes和edges（可以通过拖曳感兴趣的基因集的box），那么EM geneset expression view会显示选中的基因集中的所有基因的union并且，EM overlap expression view会显示所有选中的基因集中共有的基因（也就是选中的几个基因集重叠基因）。

高级提示

1.对于大派弯的网络和低放大水平的孙判cytoscape会自动的减少这个细节(比如隐藏节点标签，不显示node边界0.若override(手动 *** 作？无视？)这个策略，可以点击view-show graphics details

2.可视化地图和节点-边属性浏览会打开很多可视化选择，比如把标签大小和富集得分或p-values进行连接。这可以参考cytoscape手册

3.如果你使用的是GSEAs MSigDb,那么你可以为每个基因集获取额外的信息，方法是添加一个额外的属性（edit-preferences-properties-add-enter proterty name:nodelinkouturl.MSigDb-enter property value: http://www.broad.mit.edu/gsea/msigdb/cards/%ID%.html- make current cytoscape properties default-OK*现在你可以在一个node上右击选择linkout/MSigDb

在浏览器打开这个node代表的基因集。

4.当家长GSEA结果时，无序定义每个file。使用GSEA RPT文件就自动包含了EM界面所有的file。（具体在下面5的下面）

5.你可以在一开始定义更为宽松的p-value，q-value和系数阈值，也可以在网络产生之后来调整他们，这个 *** 作在结果面板的右边。

RPT files

1.GSEA结果的一个特殊的trick，在任何的GSEA分析中，会产生一个rpt文件，这个文件定义了所有文件的位置（包括gmt，gct，result文件，phenotype specification，rank files）

2.dataset tab（expression，enrichment results1 or enrichment result 2）下的任何fields都可以识别rpt文件，并且populate（进入）GMT,Expression，enrichment results1，enrichment results2，phenotypes，和ranks the values）。

3.第二个rpt文件可以从dataset2加载。如果定义的GMT文件和dataset1的文件不同，会产生一个警告，你可以选择使用dataset1的GMT，dataset2的GMT，或放弃第二个rpt的加载。

4.rpt文件是一个text文件，有下面的信息（用”’’”围绕的参数是EM使用的）。

EDB files(GSEAfile****类型)

GSEA结果文件夹中有一个edb文件夹。里面有下面几个文件

1.result.edb

2.gene-sets.gmt

3.classfile.cls(只在GSEA分析，不在GSEAPreranked分析)

4.rankfile.rnk

5.如果在dataset tab（expression，enrichmentent results1或enrichment results2）定义了results.edb文件，那么gmt和enrichment 文件区域会自动加载。

6.if你想把表达谱文件加到分析中，那得需要手动加载。

高级设置-****额外文件

每个dataset，用户还可以设置额外的参数文件（但不是必须的）

这些高级参数包括

1.ranks files 定义分析中基因的ranks

这个文件有固定的格式，上面也说过了。Gene tab rank（得分）。RNK文件是GSEA文件类型。和GCT,TXT文件完全不同。它只有包含基因名字和rank（或得分）。第一行包含列文件名（比如，gene name（-tab）rank name

RANK文件的每一行包含name（--tab--）rank (or score)

参数

Node参数

1.node筛选出现在EM中的基因集

2.若在EM中出现，那么基因集许通过p-value和q-value阈值

p-value

所有小于p-value阈值的基因集都会在EM中出现

FDR Q-VALUE

所有在限定的q-value阈值之下的基因集都会在EM中出现。

根据分析类型，FDR Q-value用于EM过滤基因集的标准不一样

GSEA:使用的是gsea-result文件的第八列，名为FDR q-value

Generic：generic结果文件的第四列

David：davide结果文件的低12列，名为“Benjamini“

Bingo：Bingo结果文件的第三列，名为“core p-value”

Edge参数 (gene集关系)

1.一个边代表存在的两个基因集A和B的基因重叠程度

2.edge定义EM中边的数目Edge specific parameters control the number of edges that are created in the enrichment map

3.过滤边只能选择一种系数type(coefficient type)

参数选择的tips

P-value和FDR阈值

GSEA可以使用两种不同的显著性评估：基因集permutation和phenotype permutation。Gene-set permutation用于GM应用例子

Gene-set permutation

下面是你可以考虑的gene-set permutation的不同设置阈值

Very permissive（p-value<0.05,FDR<0.25）

Moderately permissive(p-value<0.01,FDR<0.1)

Moderately conservative(p-value<0.075,FDR<0.075)

Conservative(p-value<0.001,FDR<0.05)

为了获取更高的质量，高覆盖范围的转录组数据，以非常保守的阈值进行富集的基因集数目通常在100-250之间，（使用gene-set permutation）

phenotype permutation

推荐 p-value<0.05,FDR<0.25

总体，只有你很难发现富集的基因集，我们才推荐使用permissive 阈值。

Jaccard vs Overlap coefficient

1.选择overlap系数：发生重叠的基因集发生在large size和small size之间，比如GO条目

2.选择Jaccard系数：和上面相反，比如两个基因集含的基因数差不多

3. When the gene-sets are about the same size, Jaccard is about the half of the Overlap Coefficient for gene-set pairs with a small intersection, whereas it is about the same as the Overlap Coefficient for gene-sets with large intersections.

4.特殊情况，当使用OC时，如果产生的map有几个大的基因集过分的和很多其他基因集发生连接，这是可以转向JC

Overlap阈值

大多数的分析推荐使用0.5，一个相对moderately conservative阈值

0.3更加permissive，可能会导致一个混乱的map

Jaccard阈值

0.5非常保守

0.25moderately 保守

界面

输入面板

1.分析类型Analysis Type

GSEA: 接受GSEA的结果文件。文件格式对GSEA的文件十分友好。这个类型和generic的最大区别是富集结果文件的数目和格式。GSEA分析总是有2个富集结果文件，分别是两个相比较的表型文件对应的结果文件，也就是一个表型文件一个。

Generic：接受和GSEA分析结果一样的文件格式，就是富集结果文件不一样。并且，它就一个富集文件。Enrichment Map User guid

DAVID: 没有gmt或表达谱文件，接受DAVIDE来的富集文件

2.基因集

描述基因集的 gmt 格式文件。用户可以通过硬盘上的文件加载

3.Dataset1：用户可以指定表达谱或富集文件，或者一个 rpt 文件，这个rpt文件可以加载所有的genesets，dataset1，2，和高级部分。

4.Advanced：初始状态是隐藏的，这可以通过点击右边的小箭头展开。用户可以修饰表型标签或加载基因rank文件

5.参数：用户可以指定p-value，FDR和OC或JC值。

6Actions：user有三种选择，reset（清除所有输入），close（关闭输入面板），build enrichment map（执行）

Data面板(位于底部)

有2中不同的展示窗口，每一个都是单独的数据面板。EM overlap和EM gene set。这两种表达方式的差异仅仅是基因列表的差异。

1.EM overlap expression viewer显示所有算则的基因集之间的重叠基因的表达（交集）

2.EM geneset expression viewer显示选择的基因集的所有合并的基因表达情况（并集）

3.标准化

Data as is-代表载入的数据

Row Normalize Data-每一行的表达值的平均值跟随SD

Log Transform Data-每个表达值的log值

4.sorting

Hierarchical cluster-根据整个表达set的皮尔逊相关系数计算

如果rank文件被提供，会显示Dataset 1ranking和dataset 2 ranking，通过选择，用户可以相应的对表达谱排序

如果表达值没有相应的rank，那么热途中不会出现表达值

Add ranking运行用户上传额外的rank文件（格式要正确）对rank文件的大小没有限制。但用户需要对rank文件提供一个名字。

5.save expression set

在展示的窗口，用户可以保存表达值成txt 文件（当前展示的）*

6.输出表达set(PDF)

用户可以储存当前展示的表达热图成pdf文件。不幸的是这个PDF文件不完美。列的名字在底部而不是在上部。这个问题希望在以后的cytoscape版本解决。

results面板(位于右边)

参数pane

用户可以通过滑动块调整p值和q值

1.phenotype1

2phenotype2

3.p-value cutoff向左移降低p****值，会导致网络中node和相应的边减少；向右移会重新建立新node和相应的边。注意的是，建立网络的时候定义的p值不能增加。

4.Q-value cutoff向左移，降低q值，导致node和相应边在网络中移除；向右移重建。同p值，不能大于建网时的q值。

5.相似性cutoff向右移，增加阈值，导致边被移除，向左移，重建新边。不能小于建网时定义的值。

6.在浏览器加载GSEA结果

7.建立EM时的参数列表

8.热图自动聚焦默认是选中的。当你选中网络中的任何node和edge，EM自动更新表达视图。

9.default sorting order在表达视图gene可以根据等级聚类，rank，columns进行sort或不sort。

10.default distance metric对于等级聚类有三种可选择的distance metrics来计算基因之间的距离。默认是皮尔逊相关系数。如果你想使用其他的方法，重新选择就可以。

摘自Windows XP的帮助文档。

For对一组文件中的每个文件运行指定的命令。

语法

for {%variable|%%variable} in (set) do command [ CommandLineOptions]

参数

{%variable|%%variable}

必需。代表可替换的参数。使用 %variable 通过命令提示符执行 for 命令。使用 %%variable 在批处理文件中执行 for 命令。变量要区分大小写，并且必须用 Alpha 值表示，例如，%A、%B 或 %C。

(set)

必需。指定要用判弊指定命令处理的一个或多个文件、目录、数值范围以及文本字符串。需要括号。

command

必需。指定要对包括在指定 (set) 中的每个文件、目录、数值范围以及文本字符串所执行的命令。

CommandLineOptions

指定要通过指定命令使用的任何命令行选项。

/?

在命令提示符显示帮助。

注释

使用 for

可以在批处理文件中或直接从命令提示符使用 for 命令。

使用批处理参数

下列属性适用于 for 命令：

for 命令使用指定 set 中的每个文本字符串替换 %variable 或 %%variable，直到 command 处理所有文件为止。

记住，for variable名是区分大小写、全局的，并且每次总共不超过 52 个是活动的。

要避免批处理罩冲扰参数从 %0 到 %9 混淆，对 variable 可以使用除数字 0 到 9 之外的任何字符。对于简单的批处理文件，单个字符即可奏效，例如 %%f。

在复杂的批处理文件中可以使用 variable 的多个值来区分不同的可替换变量。

显示一组文件

set 参数可以代表单个或多个文件组。可以使用通配符（即，* 和 ?）指定文件组。以下为有效文件组：

(*.doc)

(*.doc *.txt *.me)

(jan*.doc jan*.rpt feb*.doc feb*.rpt)

(ar??1991.* ap??1991.*)

在使用 for 命令时，set 中的第一个值代替 %variable 或 %%variable，然后由指定的命令处理该值。这一直会继续下去，直到处理完与 set 值相对应的所有文件（或文件组）为止。

使用 in 和 do 关键字

In 和 do 不是参数，但必须将它们与 for 一起使用。如果省略其中任何一个关键字，就会出现错误消息。

使用 for 的其它形式

如果命令扩展名处于启用状态（即，默认设置），则支持 for 的下列其它形式：

仅为目录

如果 set 包含通配符（* 和 ?），则为匹配 set 的每个目录（而不是指定目录中的文件组）而执行指定的 command。语法是：

for /D {%% | %}variable in (set) do command [CommandLineOptions]

递归

进入根目录树 [Drive:]Path，在树的每个目录中执行 for 语句。如果在 /R 后没有指定目录，则假定为当前目录。如果 set 只是一个句号 (.)，则只列举目录树。语法是：

for /R [[Drive :]Path] {%% | %}variable in (set) do command [CommandLineOptions]

重复数值范围

使用迭代变量设置起始值 (start#) ，然后一步步执行一系列设置范围的值，直到该值超过设置的终止值 (end#)。/L 将通过对 start# 与 end# 进行比较，执行迭代物旦变量。如果 start# 小于 end#，就会执行该命令。如果迭代变量超过 end#，则命令解释程序退出此循环。也可以使用负 step# 以递减数值的方式一步步执行此范围内的值。例如，(1,1,5) 生成顺序 1 2 3 4 5，而 (5,-1,1) 则生成顺序 (5 4 3 2 1)。语法是：

for /L {%% | %}variable in (start#,step#,end#) do command [CommandLineOptions]

重复和文件解析

使用文件解析过程处理命令输出、字符串和文件内容。使用迭代变量定义要检查的内容或字符串，以及使用各种 ParsingKeywords 选项进一步修改解析方式。使用 ParsingKeywords 令牌选项指定哪些令牌应该传递为迭代程序变量。注意：在没有使用令牌选项时，/F 将仅检查第一个令牌。

文件解析过程包括读取输出、字符串或文件内容、分成独立的文本行及然后将每行解析成零个或更多个令牌。然后通过设置为令牌的迭代程序变量值，调用 for 循环。默认情况下，/F 传递每个文件每一行的第一个空白分隔符号。跳过空行。语法的不同点为：

for /F ["ParsingKeywords"] {%% | %}variable in (filenameset) do command [CommandLineOptions]

for /F ["ParsingKeywords"] {%% | %}variable in ("LiteralString") do command [CommandLineOptions]

for /F ["ParsingKeywords"] {%% | %}variable in ('command') do command [CommandLineOptions]

filenameset 参数指定一个或多个文件名称。在继续到 filenameset 中的下一个文件之前，每个文件都会被打开、读取和处理。要覆盖默认解析行为，指定 "ParsingKeywords"。这是一个引用字符串，它包含一个或多个关键字以指定不同的解析选项。

如果使用 usebackq 选项，请使用如下语法之一：

for /F ["usebackqParsingKeywords"] {%% | %}variable in ("filenameset") do command [CommandLineOptions]

for /F ["usebackqParsingKeywords"] {%% | %}variable in ('LiteralString') do command [CommandLineOptions]

for /F ["usebackqParsingKeywords"] {%% | %}variable in (`command`) do command [CommandLineOptions]

下表列出可以用于 ParsingKeywords 的解析关键字。

关键字 说明

eol=c 指定行尾字符（只一个字符）。

skip=n 指定在文件的开头跳过的行数。

delims=xxx 指定定界符集合。这将替换空格和制表符的默认分隔符集。

tokens=x,y,m-n 指定将哪些令牌从每行传递到每个迭代的 for 正文。结果就分配了附加变量名称。m-n 格式是一个范围，指定从 mth 到 nth 的令牌。如果 tokens=字符串中最后一个字符是星号 (*)，则将分配附加的变量，并在解析的最后一个令牌后在行上接收剩余的文本。

usebackq 指定可以使用引号引用 filenameset 中的文件名称，将后面带有引号的字符串作为一个命令执行，而带有单引号的字符串是文字字符串命令。

变量替换

已经增强了 for 变量引用的替换修改程序。下表列出可选语法（对于任意变量 I）。

带有修改程序的变量 说明

%~I 展开删除任何前后引号 ("") 的 %I。

%~fI 将 %I 展开到完全合格的路径名。

%~dI 只将 %I 展开到驱动器号。

%~pI 只将 %I 展开到路径。

%~nI 只将 %I 展开到文件名 。

%~xI 只将 %I 展开到文件扩展名。

%~sI 展开路径以只包含短名称。

%~aI 将 %I 展开到文件的文件属性。

%~tI 将 %I 展开到文件的日期和时间。

%~zI 将 %I 展开到文件大小。

%~$PATH:I 搜索 PATH 环境变量所列出的目录,并将 %I 展开到第一个找到的完全合格的名称。如果没有定义环境变量名称，或搜索没有找到文件，则此修改程序扩展成空字符串。

下表列出可用来获得综合结果的修改程序组合。

变量（使用组合的修改程序） 说明

%~dpI 只将 %I 展开到驱动器号和路径。

%~nxI 只将 %I 展开到文件名和扩展名。

%~fsI 将 %I 展开到只包含短名称的完整路径名。

%~dp$PATH:I 在 PATH 环境变量中所列出的目录中搜索 %I，并展开到第一个找到结果的驱动器号和路径。

%~ftzaI 将 %I 展开到输出行（如 dir一样）。

在上述范例中，可以用其它有效值替换 %I 和 PATH。有效的 for 变量名终止 %~ syntax。

使用大写变量名（例如 %I），可以使代码更具可读性，并且避免与不区分大小写的修改程序混淆。

解析字符串

通过将 Filenameset 包括在圆括号内，并且外面再带上单引号（即，'filenameset'），可以使用 for /F 对直接字符串解析逻辑。将 Filenameset 视为从某个文件输入的单行，然后接受解析。

解析输出

通过将圆括号之间的 filenameset 变为后面带有引号的字符串，可以利用 for /F 命令解析命令输出。将它作为命令行，此命令被传递给子 Cmd.exe，并将输出捕获到内存并进行解析，就象它是一个文件一样。

范例

要在批处理文件中使用 for，请使用以下语法：

for %%variable in (set) do command [CommandLineOptions]

要通过使用可替换变量 %f 显示当前目录中扩展名为 .doc 或 .txt 的所有文件的内容，请键入：

for %f in (*.doc *.txt) do type %f

在前述范例中，当前目录中扩展名为 .doc 或 .txt 的每个文件都被替代为变量 %f ，直到每个文件的内容都显示为止。要在批处理文件中使用该命令，只需使用 %%f 替换 %f 的每个事件。否则忽略此变量，并显示一条错误消息。

要解析文件，同时忽略注释行，请键入：

for /F "eol=tokens=2,3* delims=," %i in (myfile.txt) do @echo %i %j %k

这个命令解析 myfile.txt 文件的每一行，忽略以分号开头的行，将第二和第三个令牌从各行传递到 FOR 正文（令牌通过逗号或空格分隔）中。FOR 语句的正文引用 %i 以获得第二个令牌，引用 %j 以获得第三个令牌，引用 %k 以获得其余全部令牌。如果您提供的文件名包含空格，请使用引号将文本引起来（例如，"File Name"）。要使用引号，必须使用 usebackq。否则，就将引号解释为定义要解析的文字字符串。

要通过将 filenameset 放在括号之间来解析命令输出，请键入：

for /F "usebackq delims==" %i IN (`set`) DO @echo %i

这个范例列举当前环境中的环境变量名。

---