干货满满！盘点基因集查找下载的5种途径，助力您的生信分析快人一步，快快收藏！

生信分析的热点多不多，当然多 

铁死亡、铜死亡、自噬、m6A、免疫浸润、衰老、趋化因子、TLS……

你方未唱罢，我方已登场，让人眼花缭乱

迟疑之间，有人已捷足先登，拼的就是手速

如果你上手的够快

新的分析热点，只是体现在更换新的基因集而已

比如，我们在分析铁死亡时，就选用铁死亡基因为对象；如果做m6A，就选择m6A的基因集，这样就表现出换一个生信分析的热点，实操上是更换了个基因集的现象。

小云分享了很多的潜在分析热点和分析套路，那复现的第一步，即是基因集的查找，小云吐血整理的“基因集查找”套餐一定是您分析复现的重要步骤

对生信复现有需求，但是自己学习耗时过高，影响分析热点的时效性？不知道想做的方向还有没有发文空间？欢迎咨询小云，专业的云生信团队为您提供优质评估，关注云生信，科研不迷路

先上点纯干货总结

1. GO：关注功能基因集，基因集数量多，更新速度中等

2. KEGG:关注功能基因集，基因集数量多，更新速度中等

3. GSEA/ MSigDB:关注功能基因集，基因集数量多，更新速度快

4. GeneCards：关注功能基因集，操作最简单，批量化操作弱

5. DisGeNET：关注疾病相关的基因集

1、什么是基因集？

一组特定基因的集合。可以按照功能来描述，比如，参与巨噬细胞极化的500个基因构成铁死亡基因集；可以按照表达量来描述，比如，在肝癌转移灶中300高表达的基因形成的基因集。

2、基因集怎么用？

我们用两篇文献示例下：

1）5月发表于Journal of oncology，IF=4.5的生信文章

题目：内质网应激相关四个生物标志物风险模型用于食管癌生存评估

本文中关注的是内质网应激，所以选择了内质网应激的基因集，用于数据分析（见下表）

2）2022年7月发表于Frontiers in immunology（IF=8.5）

题目：滑膜中6个巨噬细胞相关基因构成骨关节炎的新诊断标志

本文中关注的是巨噬细胞，所以选择了巨噬细胞相关的基因集，用于数据分析（见下表）

总结：不同的生信热点，在分析时候选择相应的基因集用于数据挖掘

基因集的查找方法

1. GO（http:///）以铁死亡（Ferroptosis）为例

2.KEGG（https://www./kegg/pathway.html）以铁死亡（Ferroptosis）为例

3. GSEA/MSigDB（https://www./gsea/msigdb/human/search.jsp）以铁死亡（Ferroptosis）为例

75个铁死亡基因

4. GeneCard（https://pathcards./）以铁死亡（Ferroptosis）为例

5. DisGeNET（https://pathcards./）以铁死亡（Ferroptosis）为例

小云有话说

理论上，只要是查询出某个疾病方向的某个研究领域存在研究空白，那么我们可以通过更换基因集就可以复现一篇生信文章，实在是快速上手的重要途径。但是，对热点方向捕捉的敏感度，基因集查找及数据分析的周期和可行性的把控等因素，限制了很多小伙伴最大限度的利用数据分析来解决生物学问题和临床问题。我们通过筛选最新的研究热点、选择更好的分析角度、提供更完整的数据分析思路，以最大限度的利用数据分析“短、平、快”的优势，助力您的文章发表。有需要的读者，快来咨询小云吧！