1. 输入数据
支持三种输入方式：
手动输入：
直接在文本框中粘贴基因列表，每行一个基因名（或逗号/空格/制表符分隔）。
上传文件：
CSV/TSV/TXT 文件，ORA 模式单列基因名，GSEA 模式两列（Gene + log2FC）。
Demo 数据：
内置 50 个真实人类癌症相关基因，可直接体验分析流程。
2. 分析类型
ORA: 基于差异基因列表的过表达分析
GSEA: 基于全基因表达变化的基因集富集分析
ORA (Over-Representation Analysis)：
输入一组显著差异基因，计算哪些通路在这些基因中过表达。
GSEA (Gene Set Enrichment Analysis)：
输入全部基因及其 log2FC 排序值，无需预设阈值，检测通路在排序列表两端的富集趋势。
3. 通路数据库
KEGG：
京都基因与基因组百科全书通路数据库，离线缓存无需联网。
GO (BP/MF/CC)：
基因本体论，分别对应生物过程、分子功能、细胞组分。需安装 org.Hs.eg.db 或 org.Mm.eg.db。
Reactome：
Reactome 通路数据库，覆盖信号传导、代谢、免疫等。需安装 ReactomePA。
4. 结果解读
pvalue / p.adjust：
富集显著性，越小越显著。
GeneRatio：
输入基因中属于该通路的基因数 / 输入基因总数。
BgRatio：
该通路背景基因数 / 数据库总基因数。
NES (GSEA)：
标准化富集分数，正值表示通路在列表上调端富集，负值表示下调端。
5. 依赖包
核心包：clusterProfiler（富集分析核心）
注释包：org.Hs.eg.db（人类）、org.Mm.eg.db（小鼠）— 用于 Gene Symbol 到 Entrez ID 的映射
可视化：enrichplot（柱状图、气泡图、网络图、GSEA 山脊图）
Reactome：ReactomePA（Reactome 通路富集分析）