本文目录导读：
代谢通路富集分析（Metabolic Pathway Enrichment Analysis）是生物信息学中的一种核心分析方法，主要用于解释高通量数据（如转录组、蛋白质组、代谢组）背后的生物学意义。
它的目的是：当你有一堆差异表达的基因或差异代谢物时，找出它们主要参与了哪些关键的代谢通路，而不是随机地、孤立地出现在各个地方。
以下是关于该方法的详细通俗解释：
核心逻辑：从“点”到“线”
- 问题背景：你通过实验得到了100个差异基因，直接看这100个基因的名字，你很难得出结论，可能其中3个基因和“糖酵解”有关，5个和“脂肪酸氧化”有关……但这些关系是随机发生的,还是有统计学意义的集中？
- 解决方案：把已知的、功能相关的基因组（如“三羧酸循环”中的所有基因）视为一个集，然后看你这100个差异基因是否显著地、集中地出现在某个特定的集中。
通俗比喻：寻宝游戏
想象一个大型图书馆（整个生物体），里面有无数的书籍（全部基因/代谢物）。
- 书架分类：图书馆按照主题把书分门别类放到不同的架子上（代谢通路，如“糖代谢架子”、“脂代谢架子”）。
- 你搜到的书：你通过实验找到了一些“特殊”的书籍（差异基因/差异代谢物）。
- 富集分析：你需要判断，这些特殊书籍是：
- 随机分布：每个架子上都偶尔有一两本,没有规律。
- 显著富集：绝大多数特殊书籍都集中在“能量代谢”这个架子上。
- 如果发现很多特殊书都集中在“能量代谢”架子，就说明你的实验条件（比如某种药物处理、某种疾病状态）很可能强烈影响了能量代谢这条通路。
经典分析方法（以基因/转录组为例）
常见的方法有两类：
A. 过表达分析（ORA - Over-Representation Analysis）
这是最常用的方法，本质上是一个统计学检验（如Fisher精确检验或卡方检验）。
- 输入：一个差异基因列表（比如筛选出的上调/下调基因）。
- 背景：所有检测到的基因总数。
- 数据库：KEGG、Reactome、WikiPathways 等。
- 判断依据：
- 列出某个通路（Pathway A）中包含的所有基因。
- 计算你的差异基因中，有多少比例落在了Pathway A里。
- 这个比例是否显著高于随机概率？如果是，则称为富集。
- 输出一个P值，P越小,富集的统计显著性越高。
B. 基因集富集分析（GSEA - Gene Set Enrichment Analysis）
ORA的缺陷是它需要你事先设定一个“差异基因”的阈值（fold change > 2，p < 0.05）,这可能会丢失一些微弱但一致的信号。
- 方法：它不要求挑选差异基因，而是使用所有基因，按照它们在两组间的变化程度（如表达量的log fold change）从高到低排序。
- 逻辑：看某个通路的基因集，是集中出现在排序列表的顶部（高表达）还是底部（低表达），如果显著集中在顶部，就说明该通路被“激活”了。
- 优点：更敏感,能捕捉到通路内基因表达量协调一致但变化幅度不大的情况。
常用数据库
进行富集分析时，需要依赖权威的数据库,最常用的有：
- KEGG：最经典的通路数据库，包含代谢通路、信号转导通路等。
- GO：基因本体论，包括生物过程（BP）、细胞组分（CC）、分子功能（MF），虽然不完全是“代谢通路”,但功能很类似。
- Reactome：手工注释的、更详细的路径数据库。
- WikiPathways：开放、协作的通路数据库。
结果解读：火山图与气泡图
富集分析的结果通常用气泡图展示：
- X轴：富集因子（Rich Factor，即通路中富集到的基因数占该通路总基因数的比例）,越大说明富集程度越高。
- Y轴：通路的名称。
- 气泡大小：表示该通路中富集到的基因数量。
- 气泡颜色：表示P值（或调整后的P值，如FDR），颜色越红（通常代表P值越小）,统计显著性越高。
示例解读：在癌症样本中，糖酵解/糖异生”通路的气泡很大且颜色很红，说明癌细胞很可能发生了Warburg效应（有氧糖酵解增强）。
为什么要做？
- 从数据到机理：把上百个零散的差异基因/代谢物，归因到少数几个关键的、有生物学含义的通路（如“癌细胞能量代谢异常”、“炎症通路激活”）。
- 寻找热点：快速锁定导致表型变化的核心调控事件。
- 假设生成：为后续的机制验证实验（比如敲低某个关键通路中的关键酶）提供线索。
如果你正在进行组学数据分析，通常可以在 R 语言（通过 clusterProfiler 包）或在线网站（如 DAVID、MetaboAnalyst）上轻松完成这一步。
