夜雨聆风
微信聊几句就出GSEA曲线图!OpenClaw让单细胞分析变这么简单
最近全网都在刷一只小龙虾
本系列持续更新中，尝试用Openclaw做单细胞分析，上一篇我写了怎么让“小龙虾”（Openclaw) 帮忙快速跑单细胞富集分析。
一般我们刚拿到 marker gene、想先快速判断 cluster 在干什么的时候，富集分析是一种很好的分析方式，今天尝试另一种分析-单细胞的高级分析中的GSEA。
另外本次我们有的是微信的ClawBot 和 Openclaw 聊天哦！
往期回顾：
Openclaw尝试做单细胞分析-基础分析 (１小时跑完PBMC3K)
Openclaw尝试做单细胞分析-细胞通讯分析 (SKILLS 试点）
Openclaw尝试做单细胞分析-拟时序分析(Slingshot)
专栏:
0
前言
在前面差异的分析跑完以后，有两条路可以走：
1: 筛显著基因 → GO / KEGG（大家最常走）
2:直接 GSEA（稍微少一点人用）
以前我大多数时候会走第一条。（上期内容）
原因很简单：快、直观、结果好讲但问题也很明显：你必须先“切一刀”
比如：
-
logFC > 多少
-
p值卡多少
-
取前多少基因
而 GSEA（Gene Set Enrichment Analysis）简单说就是：不再先挑“显著基因”，而是把所有基因排个序，再看某一类基因是不是整体往前挤。通过评估整组基因的整体趋势来揭示生物学功能的变化。本期我们来做这个GSEA方法
1
开工：数据加载和分析
1.原来已经用小龙虾做了很多分析，这次分析是接着前面的差异分析结果继续做的， 我们请它加载之前的结果且询问了是用R语言还是用python, 和需不需要帮它指定数据集
然后这些担忧都是多余的，它完全可以自己搞定。
2.再一次确认，且要求它复制出一个项目目录防止干扰到其它的项目。
3.分析完成, 后面我们再补充一些细节分析和做一些检查吧！
用微信和 OpenClaw 聊着把分析跑完，这种感觉其实还挺奇怪的——有点像在跟一个会干活的同事对话。
2
分析的结果
1. 综合的GSEA评分气泡图: 阐述了几个关注通路的GSEA评分，可以快速全定位是哪些通路比较显著的提升和下降。这里做了CD14+ Monocytes的一些显著KEGG通路的GSEA评分。
同样也给到了一些GO显著通路的GSEA评分。
2. 同时时也出了典型的 GSEA 曲线图
上面绿色曲线是这个图的关键
横轴：所有基因按差异排序纵轴：
纵轴：Running Enrichment Score（运行富集分数）
以下给到的是GO中2条比较显著的 GSEA图。
曲线整体： 曲线整体往下走，说明这条通路的基因集中在排序的后半段，也就是在当前条件下相对被压制。即这些基因整体在下调方向为通路下调，反之亦然。
3
优化到接近论文使用级别的图
1.Openclaw同时也对图进行的整理美化，通路GSEA把GO/KEGG作了合并。
2. 同时也给出了相应的关联基因的列表和评分。
3.基因热图，另一种可视化方式更明显直观。
3
总结
总结一下，这次 OpenClaw（小龙虾）帮我完成的不只是“跑一轮 GSEA”，而是把差异结果、基因排序、GO/KEGG 富集、曲线图和汇总图全部串起来了。整个过程我几乎没写代码，只是用自然语言告诉它要做什么。
更重要的是，这一步让我从“哪些基因显著”，走到了“细胞状态怎么变化”。IFN-β 刺激后，CD14+ 单核细胞明显从基础翻译、能量代谢状态，转向抗病毒和细胞因子应答状态。
对我来说，这才是这类分析最有意思的地方：不是跑出结果，而是开始能解释它。
工欲善其事，必先利其器。
到SCI级的分析，需要完整流程和相关代码或者交流的都可以与我联系，欢迎！
接下来，我将在这个公众号持续更新：
「OpenClaw小龙虾生信0代码交流营」
从0安装 → 第一步分析 → 最后一句指令出 SCI 级报告， 手把手教你养这只小龙虾。
关注本公众号（不关注明天就找不到了😂）
直接回复关键词：小龙虾 进「生信+AI交流群」
扫码二维码
获取更多精彩
生信泡泡屋
