Enriquecimento de Vias

Visão Geral

A análise de enriquecimento responde "qual biologia está super-representada nos meus genes?". É o último passo padrão após expressão diferencial, triagem ou agrupamento. Existem dois métodos principais, e a escolha correta é a decisão mais importante:

• ORA (análise de super-representação) — pegue uma lista de genes limiarizada (por exemplo, padj < 0.05) e teste com quais conjuntos de genes ela se sobrepõe mais do que o acaso, usando testes exatos de Fisher / hipergeométricos. Ferramentas: Enrichr, g:Profiler.
• GSEA (análise de enriquecimento de conjuntos de genes) — pegue a lista classificada inteira de genes (sem limiar) e teste se cada conjunto de genes está concentrado no topo ou na parte inferior. GSEA pré-classificada usa uma pontuação por gene (por exemplo, o stat do DESeq2). Melhor quando os efeitos são amplos e sutis.

Esta habilidade orquestra essas análises, os bancos de dados de conjuntos de genes por trás delas e as armadilhas de interpretação que tornam os resultados errados ou não publicáveis.

Quando Usar Esta Habilidade

Use esta habilidade quando o usuário quiser:

• Encontrar termos GO / KEGG / Reactome / WikiPathways / conjuntos MSigDB Hallmark enriquecidos em uma lista de genes.
• Executar GSEA / GSEA pré-classificada em saídas rank_genes_groups do DESeq2, edgeR, limma ou Scanpy.
• Pontuar a expressão de conjuntos de genes por amostra/célula (ssGSEA, GSVA).
• Interpretar, deduplicar e visualizar resultados de enriquecimento, ou construir uma tabela/figura para publicação.
• Decidir entre ORA e GSEA, escolher bibliotecas de conjuntos de genes, escolher um fundo, ou corrigir problemas de ID de genes.

Para consultas rápidas e pontuais no Enrichr, a habilidade gget (gget enrichr) é mais leve; para APIs brutas de vias/interação (Reactome, KEGG, STRING), consulte a habilidade database-lookup. Use esta habilidade para fluxos de trabalho de enriquecimento completos e defensáveis.

Escolhendo o Método Certo

Em caso de dúvida: lista limiarizada → ORA; tabela classificada com pontuações → GSEA. Nunca limiarize uma lista e depois a alimente para GSEA — isso descarta a classificação da qual a GSEA depende.

Configuração

uv pip install gseapy==1.3.1 gprofiler-official==1.0.0 mygene==3.2.2 lxml
# gseapy pulls pandas, numpy, scipy, matplotlib. Network access is needed for
# Enrichr, g:Profiler, and MSigDB downloads. For fully offline ORA, use a local
# GMT file with gp.enrich() (see references/gseapy.md).

Os exemplos visam o GSEApy 1.3.1 (lançado estável); o helper executa o GSEA clássico por permutação. O MSigDB atual é 2026.1.Hs/2026.1.Mm. Fluxos de trabalho sintéticos locais e pequenas consultas públicas de mapeamento/catálogo foram executados; as rotas de submissão do Enrichr foram verificadas a partir da fonte lançada com transporte simulado. O BioMart retornou HTML de serviço-indisponível durante a revisão; valide seu esquema de saída. Veja contratos de API verificados para evidências e limites.

Verifique e liste as bibliotecas de conjuntos de genes disponíveis (os nomes mudam com o tempo — nunca codifique cegamente):

import gseapy as gp
names = gp.get_library_name(organism="human")   # discover current Enrichr libraries
print([n for n in names if "Reactome" in n or "KEGG" in n or "Hallmark" in n])

Início Rápido

ORA em uma lista de acertos (gseapy + Enrichr)

import gseapy as gp

# Corresponda o organismo da biblioteca e o namespace do identificador; mapeie aliases explicitamente.
# Mantenha a grafia original: a capitalização não é mapeamento de ID de gene ou ortologia.
genes = [g.strip() for g in open("deg_symbols.txt") if g.strip()]
tested = [g.strip() for g in open("tested_symbols.txt") if g.strip()]
assert set(genes) <= set(tested)

enr = gp.enrichr(
    gene_list=genes,
    gene_sets=["MSigDB_Hallmark_2020", "GO_Biological_Process_2026",
               "KEGG_2026", "Reactome_Pathways_2024"],
    organism="human", background=tested,
    outdir=None,            # em memória; defina um caminho para também gravar tabelas/gráficos
)
res = enr.results

…