参考网址：http://software.broadinstitute.org/gsea/doc/GSEAUserGuideFrame.html
GSEA的图如何理解？
1. 图中下面灰色图的含义：http://software.broadinstitute.org/gsea/doc/GSEAUserGuideFrame.html?_Interpreting_GSEA_Results
图中的横坐标表示你输入的gene列表。
1）纵坐标含义：纵坐标表示“Ranked list metric”，GSEA官网对此的解释是ranking metric，即signal-to-noise ratio。
2）计算方法：
3）ranking metric的含义：它表示基因与表型(phenotype)的关系。即：这个基因与treat相关，还是与control相关，相关的度量值是多少。即ranking metric的含义。
positive raning metric表示与phenotype1相关，negative ranking metric表示与phenotype2相关。
表型是什么？比如，我们对给药组(treat)和正常组(control)做RNA-seq，得到每个基因在给药组和正常组中的表达值。在GSEA中，treat和control就是表型。
使用：
准备输入文件：
1. Expression dataset：是RNA-seq(或chipsiq)得到的数据。
通常有这么几列：
例1：NAME DESCRIPTION AML1 AML2 AML3 ALL1 ALL2 ALL3
TP53 na 681.3 638.0 665.0 240.0 587.0 737.0
例2：
NAME DESCRIPTION G C
TP53 na 681.3 638.0
注意：
1）必须用tab分隔；
2）第一行的名称必须是NAME和DESCRIPTION；
3）文件前两行必须是：
#1.2
53796（gene个数，即行数） 2（sample个数，不是phenotype数。如例1中phenotype数是2，sample数是6） 参考网址：http://software.broadinstitute.org/cancer/software/gsea/wiki/index.php/Data_formats
2. Phenotype labels文件：共三行。
2 2 1 分别为：sample数，phenotype数，1
# G C phenotype的名称
G C phenotype的名称
术语说明：
GSEA文档中的Phenotype、sample、gene sets等的含义。
Phenotype：
sample：
gene sets：
问题：
1.error：“Read timed out！”
这个错误，gsea官网没有说明。自己查的解决方法，费劲...。
原因：Gene sets database中，我选的是website的dataset，比如：ftp/...。这样，程序运行时，去GSEA的ftp服务器寻找并使用该文件。我怀疑可能网络不好，导致读取超时。
解决：下载gene set到本地。其实，就是把MSigDB的数据文件（.gmt文件）下载到本地。下载地址：http://software.broadinstitute.org/gsea/downloads.jsp。
注意：load本地的gene set文件时，只能通过“Load Data”功能执行。我在gene set database打开的界面找了好久都没找到load文件的图标，最后，灵机一动，才想到如何load。浪费时间%>_<%
2. error：After pruning, none of the gene sets passed size thresholds.
这个错误，gsea官网有说明。
原因：下载的c5.all.v7.0.symbols.gmt文件中的gene symbol全是大写，而我提供的expression文件中的基因名是小写。
解决：将expression文件的基因名改为大写即可。
具体解决方法：awk ‘{print toupper($3)}’，使用shell脚本的toupper函数即可。
3.运行时间：
我输入两个sample，两种phenotype，共53000+个gene的数据，permutation选择默认值1000，选择一个bp.gmtwenjian，运行时间长，大约十几分钟。
原文：https://www.cnblogs.com/zypiner/p/11777829.html