首先从一个叫S的探针集序列开始，假定它是一类编码产生新陈代谢的通路基因集，被定位于相同的细胞生成位段，或者是说有相同GO分类。（译者注：GO是什么？维基百科。） GSEA的目的就在于判断S的成员是随机的分布于L（待测基因探针所排序列）上还是有序的分布于顶部与尾部。我们的预期目的是S探针集能在表型上揭示出后者的分布方式。
下面是具体的三个重要步骤：
-
计算富集积分（Enrichment Score，ES）
我们计算出一个富集积分值（ES），其为S的基因在整个L序列的头部和尾部的超表达量。
积分值的计算是从L序列的头部开始往尾部走，每当遇到一个基因是在S上就加分，没有则减分。加分的分值大小根据基因表型相关系数大小。富集分值是从没有遇到的时候开始计算直到最大值误差值；而且它还与K-S test统计加权值有关。 -
估计ES的显著程度
我们估计统计学上有意义部分的ES值（名义上的P值），是通过一个经验基础表型方法——置换检验，保存基因表达数据的结构的复杂相关系数。明确地，我们置换不同表型标签下的数据，并且再一次计算ES值，使之形成一个新的ES分布（假分布）。从经验上说，交换之后，ES的P值相对于新的ES值（统计分布）来说若是显著的变化，则有理由说明此基因集是有一定的生物学意义的。 -
多重假设检验的调整
当评估了所有基因探针数据之后，我们会用多重假设检验来评价它们的显著性。我们首先把每一个探针的ES值做根据探针多少的一个标准化，生成一个标准化富集积分值（NES）。之后我们计算出假阳性发现率（FDR），并以此划出假阳性部分对应每一个NES值。FDR是评估一个NES表达值中所发现的假阳性可能性大小；它是由NES的观测值和零分布时比较得出的。
参考文章：