博文

一张山峦图看懂GSEA富集方向与核心基因变化

已有 332 次阅读 2026-10-19 16:13 |系统分类:科研笔记

跑完GSEA，结果表里有 NES、p 值，还有一长串核心基因。哪些通路偏向上调或下调？这些通路中的核心基因，变化是集中在一起，还是分散得很开？山峦图可以把这些信息放在同一张图中：左侧的点标记 NES，山峦的填充色对应显著性，曲线则显示核心基因的 log2FC 分布。

▲ 论文 Figure S1C：GSEA富集结果山峦图

📖 论文案例

《Functional & Integrative Genomics》论文“Network pharmacology, single-cell transcriptomics, machine learning and experimental validation identifying CHEK2 and HPGD as key therapeutic targets of berberine in diabetic nephropathy”， Figure S1C 展示了糖尿病肾病（DN）组负向富集的通路。图中包括产热、核糖体、内质网蛋白加工、花生四烯酸代谢和色氨酸代谢等条目；正文报告这些通路的 NES < −1、P < 0.05。左侧圆点对应 NES，右侧山峦呈现各通路核心基因的 log2FC 分布。

🛠️ 在线作图工具https://www.bioinformatics.com.cn/plot_gsea_nes_p_log2fc_ridge_293

▲ 图 1：在线绘图页面

📋 五步完成GSEA山峦图Step 1：准备数据

点击图片上面的“示例数据”链接下载示例文件，用 Excel 打开。作图需要两份数据：一份 GSEA 结果，一份基因与 log2FC 的对应表。

1）GSEA分析结果

将 clusterProfiler 或 GSEA 官方软件的结果整理为以下 4 列。不同软件的字段名可能不同，需提取相应内容；核心基因应使用 leading-edge 基因，而非直接填入整条通路的所有基因。

第 1 列：富集条目名

第 2 列：NES，标准化富集得分（normalized enrichment score）

第 3 列：p 值或 FDR 等统计值。整列应使用同一种指标，取值大于 0 且不超过 1。

第 4 列：核心基因，多个基因之间用“/”分隔。基因标识需与 log2FC 表一致，例如两边都用 gene symbol 或都用 Entrez ID。基因过少时，密度曲线不稳定或者无法绘制，建议至少10个基因。

▲ 图 2：示例数据：GSEA分析结果

2）基因差异log2fc

准备与本次 GSEA 对应的基因差异结果，共 2 列。建议保留完整的基因对应表，不要只留下达到差异筛选阈值的基因，以免核心基因匹配不全。若 GSEA 使用其他统计量排序，这里仍应提供用于展示的 log2FC，并保持比较方向一致。

第 1 列：基因名

第 2 列：log2FC。正值表示相对于参考组上调，负值表示下调；先明确“哪组相对哪组”。基因名应唯一，重复记录需按分析时采用的规则处理。

▲ 图 3：示例数据：差异log2fc

Step 2：输入检查（重要！）

点击“示例”按钮，示例数据会填入输入框。

真实数据请分别复制，粘贴到对应输入框。点击“输入检查”按钮，后台会逐行、逐列检查数据格式，并提示需要修改的地方。检查通过后再继续设置参数。

▲ 图 4：载入示例数据

如果检查未通过，按页面提示修改数据，然后重新检查，直到通过。

▲ 图 5：输入检查结果

Step 3：设置参数输入检查通过后，进入参数设置。

▲ 图 6：绘图参数面板

【图片大小】宽度主要根据通路名称的长度调整，高度根据展示的通路数量调整。名称较长或条目较多时，先增大画布，尽量保留可读的字号。

【GSEA p 值颜色】设置小值、中间值和大值对应的颜色。山峦填充色用于表达所输入统计指标的显著性；若输入 FDR，图例和图注也应相应标明 FDR。

【GSEA NES 颜色】控制左侧圆点的配色，可分别设置 NES 大值、中间值和小值的颜色。跨越正负值时，建议采用以 0 为中心的配色，便于辨认富集方向。

【顶部预留空间】山峦顶部被截断时，可增大预留空间。峰形受数据分布及密度估计影响。

【字体设置】可分别设置 X 轴说明、X 轴刻度、Y 轴条目、图例标题和图例文字的字号；字体可选 Times New Roman 或 Arial。

【X 轴范围和刻度】可手动设置最小值、最大值及刻度，留空时由程序自动设置。比较多个图时，尽量统一 X 轴范围，并检查两端是否截掉了分布尾部。

Step 4：提交出图

参数设置完成后，点击“提交”，等待预览图生成。先检查通路名称、核心基因匹配情况和图例，再调整画布、字体与配色。改成参数设置完成后，点击“提交”按钮，约2s后生成预览图。

▲ 图 7：山峦图预览

X 轴是核心基因的 log2FC，Y 轴是基因集；0 参考线用于区分上调和下调。曲线主要位于右侧，说明所展示核心基因的 log2FC 多为正；主要位于左侧，则多为负。左侧圆点的颜色对应 NES，示例配色中红色表示正值、蓝色表示负值，具体以图例为准。山峦填充色对应 −log10(p)；若输入的是 FDR，应按 −log10(FDR) 解读。曲线高度表示平滑后的log2fc的相对密度，越高表示此处对应的log2fc的基因越多。

Step 5：下载与后期编辑平台提供 PDF、SVG、PNG 和 TIFF 格式下载。需要后续调整文字、字体或拼图时，优先选择 PDF 或 SVG；位图用于投稿时，应检查导出文件的实际尺寸及分辨率是否符合期刊要求。PDF、SVG 可用 Adobe Illustrator 或 Inkscape 继续编辑。✍️ 小结

GSEA 山峦图适合把多条通路放在一起比较：NES 提供富集方向与标准化得分，填充色对应统计显著性，山峦显示核心基因的 log2FC 分布。相比只列出结果表，它更容易看出不同通路中的基因变化是否集中、是否存在较长的尾部。

读图时别把山峰高低当成富集强弱。峰更尖，通常表示数值集中在较窄的范围；曲线更宽，说明分布较分散，但峰形也受平滑参数影响。NES 的正负要结合 GSEA 的排序方向解释，不能仅凭正负号就把通路写成“激活”或“抑制”。

选取条目时，建议先按研究问题和预设的显著性标准筛选，再确定展示数量。p 值与 FDR 不要混用，也不要只挑符合预期的通路。最终图注应交代比较组、核心基因的定义、颜色所代表的指标，以及筛选标准。

📌 参数复用

预览图下方提供“复现参数（JSON）”下载链接。点击后可保存 JSON 文件，其中包含本次输入的数据和绘图设置。