请问生信分析是选GO&Kegg还是GSEA？

用表达值去做GSEA再用ppi筛更准确一些

选择何种生物信息学分析方法需要根据实验设计和分析目的来决定。对于基因表达谱芯片数据的分析，可以采用GO&KEGG和GSEA等方法，以探究差异表达基因的生物学功能和通路。以下是一些参考建议：

如果你感兴趣的是差异表达基因的生物学功能和通路，那么GO&KEGG分析可以是一个好的选择。你可以使用一些生物信息学工具，如DAVID、Enrichr等，对差异表达基因进行功能注释和通路富集分析。这种方法可以帮助你确定哪些生物过程和通路与你的差异表达基因相关联，并可以为后续的实验提供一些理论基础。

如果你想探索基因集在不同的功能或通路中的富集情况，那么GSEA可能是更好的选择。GSEA可以将差异表达基因分为上调和下调基因，然后将这些基因按照表达水平的高低排序，并计算每个基因集在排序列表中的富集得分。这种方法可以帮助你确定哪些功能或通路在你的实验条件下被激活或受到抑制。

对于选择是否使用差异表达基因筛选核心分子，取决于你的实验设计和分析目的。如果你想识别特定的基因子集，比如某种信号通路中的关键基因，那么你可以使用差异表达基因来筛选这些核心基因。另一方面，如果你想更全面地了解基因集的富集情况，那么GSEA可能更合适。

总之，在进行生物信息学分析时，需要仔细考虑实验设计和分析目的，并根据这些因素选择最适合的分析方法。最好结合多种分析方法进行探究，以获得更全面的结果。