结果:通过将我们的方法应用于六个独立的癌症转录组学数据集,我们表明bootstrap GSEA可以帮助选择更健壮的富集基因集。此外,我们将方法应用于从脊柱肌肉萎缩(SMA)的小鼠模型获得的成对转录组学和蛋白质组学数据,这是一种与多系统参与相关的神经退行性和神经发育疾病。在两个OMIC级别获得了强大的排名后,将两个排名列表组合在一起以汇总转录组学和蛋白质组学结果的发现。此外,我们构建了新的R包装“ bootgsea”,它实现了所提出的方法并提供了发现的图形视图。基于自举的GSEA能够在示例数据集中识别当在引导程序分析期间设置组成更改时,这些基因或蛋白质集不那么健壮。