当我们找到一些感兴趣的基因后（比如在某种处理条件下，与对照相比，表达量有明显差异的基因），我们希望能从这些基因中提炼出生物学意义。
我们将会介绍基于差异表达基因的 over representation 分析，包括 GO 富集、KEGG 富集。
另外，我们还将以 GSEA 为代表介绍功能集打分（Functional Class Scroing）方法，其直接分析原始的基因表达矩阵。
更多内容请参考 Ten Years of Pathway Analysis: Current Approaches and Outstanding Challenges
本章中， 3.1 GO 和 3.2 KEGG都不需要docker就能练习，可以直接去“方法2”直接下载所需文件。
3.3 GSEA 可以加载完我们提供的image后，docker images的下载链接如附表所示。文件都已经准备好了，可以这样查看：
cd /home/test/
ls本教程docker使用方式：
- 1) 运行容器:
docker exec -it bioinfo_tsinghua bash- 2) 进行Linux系统的相关操作
- 3) 退出容器：
exit
如果不使用docker，也可以直接下载教程所需文件：Download Link