单细胞RNA-seq数据分析：GSEApy的ssGSEA模块应用案例

【免费下载链接】GSEApyGene Set Enrichment Analysis in Python项目地址: https://gitcode.com/gh_mirrors/gs/GSEApy

GSEApy是一个强大的Python工具包，专注于基因集富集分析（Gene Set Enrichment Analysis），其中的ssGSEA模块为单细胞RNA-seq数据提供了高效的分析解决方案。本文将详细介绍如何利用GSEApy的ssGSEA模块进行单细胞数据分析，帮助研究人员快速挖掘基因表达数据中的生物学意义。

什么是ssGSEA？

ssGSEA（Single Sample Gene Set Enrichment Analysis）是一种针对单个样本的基因集富集分析方法，能够量化每个样本中特定基因集的富集程度。与传统GSEA相比，ssGSEA不需要预先定义表型分组，而是直接对每个样本计算基因集得分，非常适合单细胞RNA-seq等复杂数据集的分析。

GSEApy的ssGSEA模块实现了这一算法，其核心代码位于gseapy/ssgsea.py文件中。该模块采用与Broad Institute原版ssGSEA高度一致的算法，通过比较分析可知，两者计算的富集得分（ES）和标准化富集得分（NES）的相关系数均达到0.99以上，确保了分析结果的可靠性。

图1：GSEApy与Broad Institute ssGSEA计算结果的相关性分析，展示了ES、NES、NOM p-val和FDR q-val四个指标的高度一致性

ssGSEA的工作原理

ssGSEA的核心思想是通过计算基因集在单个样本中的富集得分，来反映该基因集在样本中的活性水平。其计算过程主要包括以下步骤：

1. 基因排序：根据基因表达水平对样本中的所有基因进行排序
2. 累积分布计算：沿着排序后的基因列表，对基因集内的基因赋予正向权重，对基因集外的基因赋予负向权重，计算累积分布曲线
3. 富集得分计算：累积分布曲线与基线的最大偏差即为该基因集的富集得分

图2：GSEA分析原理示意图，展示了富集得分（ES）的计算过程及相关统计指标

GSEApy的ssGSEA模块在gseapy/algorithm.py中实现了这一算法，通过设置single=True参数启用ssGSEA模式。与传统GSEA相比，ssGSEA采用了不同的统计方法，其富集得分是基因集内所有基因的累积富集分数之和。

安装GSEApy

要使用ssGSEA模块，首先需要安装GSEApy。推荐通过以下命令从GitCode仓库克隆并安装：

git clone https://gitcode.com/gh_mirrors/gs/GSEApy cd GSEApy pip install -r requirements.txt pip install .

安装完成后，可以通过导入ssGSEA模块来验证安装是否成功：

from gseapy import ssgsea

单细胞RNA-seq数据的ssGSEA分析步骤

数据准备

ssGSEA分析需要两种主要输入数据：

• 基因表达矩阵（可以是CSV、TSV或GCT格式）
• 基因集文件（GMT格式）

GSEApy提供了丰富的内置基因集，同时也支持用户自定义基因集。测试数据可参考tests/data/目录下的示例文件。

基本使用方法

使用ssGSEA模块分析单细胞数据的基本步骤如下：

import gseapy as gp # 准备输入数据 expression_data = "path/to/expression_data.csv" gene_sets = "path/to/gene_sets.gmt" # 运行ssGSEA分析 ssgsea_result = gp.ssgsea( data=expression_data, gene_sets=gene_sets, outdir="ssgsea_results", sample_norm_method="rank", # 样本归一化方法 permutation_num=0, # ssGSEA默认不进行置换检验 no_plot=True # 不生成默认图表 ) # 获取富集得分 enrichment_scores = ssgsea_result.res2d

高级参数设置

GSEApy的ssGSEA模块提供了多种参数用于优化分析结果：

• metric: 基因排序 metric，默认为"log2_ratio_of_classes"
• weight: 权重参数，默认为0.25（ssGSEA专用）
• min_size/max_size: 基因集大小过滤阈值
• scale: 是否对富集得分进行标准化

详细参数说明可参考gseapy/ssgsea.py中的SingleSampleGSEA类定义。

结果解读与可视化

ssGSEA的主要输出是每个样本中各个基因集的富集得分。GSEApy提供了多种可视化方法来展示分析结果：

富集得分热图

通过热图可以直观展示不同样本中基因集的富集情况：

import seaborn as sns import matplotlib.pyplot as plt # 提取富集得分矩阵 es_matrix = ssgsea_result.res2d.pivot(index='Term', columns='Sample', values='ES') # 绘制热图 plt.figure(figsize=(12, 8)) sns.heatmap(es_matrix, cmap='coolwarm', annot=False) plt.title('ssGSEA Enrichment Scores') plt.tight_layout() plt.show()

富集得分分布

比较不同细胞亚群的基因集富集得分分布：

# 假设我们有细胞类型注释信息 cell_types = pd.read_csv("cell_types.csv", index_col=0) # 合并富集得分和细胞类型信息 es_with_celltype = enrichment_scores.join(cell_types) # 绘制小提琴图 plt.figure(figsize=(10, 6)) sns.violinplot(x='CellType', y='ES', data=es_with_celltype[es_with_celltype['Term'] == 'KEGG_CELL_CYCLE']) plt.title('Cell Cycle Pathway Enrichment Across Cell Types') plt.show()

常见问题解答

Q: ssGSEA结果中为什么没有p值和FDR？

A: 原始ssGSEA算法本身不会计算p值或FDR，因此GSEApy的ssGSEA模块默认不输出这些统计量。如果需要p值，可以参考Broad Institute的ssGSEA2.0版本，该版本采用与GSEApy类似的方法计算p值，但FDR计算方法有所不同。相关讨论可见docs/faq.rst。

Q: ssGSEA与Prerank模块有什么区别？

A: ssGSEA适用于比较单个样本与其他样本，寻找样本共享的基因特征；而Prerank（GSEA）则需要预先定义表型分组，比较两组样本间的基因集差异。两者采用的统计方法也有所不同，ssGSEA的富集得分是累积富集分数之和，而GSEA则是最大偏差值。

Q: 如何处理大量单细胞样本的ssGSEA分析？

A: GSEApy的ssGSEA模块支持GCT格式输入，可高效处理多个样本。对于包含数千个细胞的单细胞数据集，建议先进行细胞聚类，然后对每个细胞亚群的平均表达量进行ssGSEA分析，以降低计算复杂度并提高结果可解释性。

总结

GSEApy的ssGSEA模块为单细胞RNA-seq数据分析提供了强大而灵活的工具。通过量化单个样本中基因集的富集程度，研究人员可以深入挖掘细胞异质性，发现不同细胞亚群的功能特征。结合本文介绍的分析流程和最佳实践，您可以快速将ssGSEA应用于自己的单细胞研究项目中，揭示基因表达数据背后的生物学意义。

更多详细教程和示例可参考项目文档docs/gseapy_tutorial.rst和docs/singlecell_example.ipynb。

【免费下载链接】GSEApyGene Set Enrichment Analysis in Python项目地址: https://gitcode.com/gh_mirrors/gs/GSEApy