‌gseapy‌

<think>好的，我需要帮助用户了解和使用gseapy库。首先，我得确认gseapy是什么，它的主要功能和用途。根据之前的知识，gseapy是一个用于基因集富集分析的Python库，常用于生物信息学领域，帮助研究人员分析基因表达数据，识别显著富集的基因集。 接下来，用户需要的是使用方法和文档。我需要先检查是否有相关的引用资料，但用户提供的引用中并没有直接提到gseapy。不过，我可以根据通用的Python库安装和使用的知识来回答。比如，引用[1]提到了Python的安装和在不同平台的使用，这可能帮助用户安装Python环境，进而安装gseapy。引用[2]提到Pypeln的易用性，虽然不相关，但可以强调Python库通常有友好的API。引用[3]涉及RobotFramework的环境部署，可能与虚拟环境或依赖管理有关，但可能关联不大。 接下来，我需要分步骤引导用户：安装、基本用法、核心功能、文档资源、常见问题。安装部分需要使用pip，可能还需要依赖项如numpy、pandas，需要提醒用户注意。基本用法应包括数据加载、运行富集分析、结果可视化。核心功能要列出GSEA、Enrichr等分析类型。文档部分应指向官方文档和示例代码库。常见问题可能涉及安装错误、输入数据格式、内存不足等。 同时，我需要生成相关问题，可能涉及与其他工具的比较、参数调优、结果解读、高级功能和大数据处理等。需要确保问题相关且能帮助用户深入理解。 最后，检查是否符合系统级指令：行内公式使用$...$，独立公式用$$...$$，但当前内容可能不涉及数学公式，所以可能不需要。确保回答结构清晰，引用正确，比如安装部分引用[1]，代码示例引用[2]的易用性。可能需要在末尾添加相关问题，并正确标注引用标识。</think>### gseapy库使用指南 gseapy是一个用于基因集富集分析的Python工具，支持多种分析类型（如GSEA、Enrichr等），广泛应用于生物信息学和功能基因组学研究。以下是使用方法和文档资源： --- #### 1. **安装** ```bash pip install gseapy ``` - **依赖项**：需提前安装NumPy、Pandas、Matplotlib等库[^1]。 - 若安装失败，可尝试更新pip或使用conda环境。 --- #### 2. **基本用法** **示例1：GSEA分析** ```python import gseapy as gp # 加载基因表达数据与表型标签 expr_data = "expression_matrix.csv" cls_labels = "phenotype_labels.cls" # 运行GSEA分析 results = gp.gsea( data=expr_data, gene_sets='KEGG_2016', # 预置基因集 cls=cls_labels, outdir='./gsea_results' ) ``` - **输出**：生成富集分数（ES）、p值、可视化图表（如Enrichment Plot）[^2]。 **示例2：Enrichr分析** ```python enrichr_results = gp.enrichr( gene_list=["TP53", "BRCA1", "EGFR"], gene_sets='GO_Biological_Process_2023', organism='human' ) print(enrichr_results.results.head()) ``` --- #### 3. **核心功能** - **支持的分析类型**： - GSEA（Gene Set Enrichment Analysis） - Enrichr API交互 -单样本GSEA（ssGSEA） - 富集结果可视化（热图、网络图等） - **预置基因集**：MSigDB、KEGG、GO等。 --- #### 4. **文档资源** - **官方文档**：[gseapy.readthedocs.io](https://gseapy.readthedocs.io) - 包含API说明、参数详解及示例代码。 - **GitHub仓库**：[https://github.com/zqfang/gseapy](https://github.com/zqfang/gseapy) - 提供实战案例和常见问题解答。 --- #### 5. **常见问题** - **安装失败**：确保Python版本≥3.6，并安装C++编译工具链（Windows用户需额外配置）[^3]。 - **输入格式**：表达矩阵需为CSV或TXT，行为基因，列为样本。 - **内存不足**：大型数据集建议分批次分析或使用服务器运行。 ---