用途：回答“我的基因里什么生物学过程被过度代表”。适用于差异表达、筛选或聚类之后的收尾分析，支持在基因列表中找 GO/KEGG/Reactome/WikiPathways/MSigDB Hallmark 富集项、对 DESeq2/edgeR/limma/Scanpy 排序结果跑 GSEA 或 preranked GSEA、用 ssGSEA/GSVA 做样本或细胞级通路打分，以及解释、去重、可视化富集结果并生成发表用表图。
方法选择：有阈值化命中列表（差异基因、筛选命中、簇标记）用 ORA（Fisher 精确检验/超几何检验，工具如 Enrichr、g:Profiler）；有完整带打分排序表用 preranked GSEA（gp.prerank）；有表达矩阵加类别标签用 gp.gsea；需要每样本/每细胞通路分用 gp.ssgsea、gp.gsva；需要自定义背景或 500+ 物种用 g:Profiler 的 domain_scope='custom'。不要先阈值化再喂给 GSEA。
必要用法：uv pip install gseapy gprofiler-official；gseapy 依赖 pandas、numpy、scipy、matplotlib，Enrichr、g:Profiler 与 MSigDB 下载需要网络。离线 ORA 可用本地 GMT 文件配 gp.enrich()。库名会变动，先用 gp.get_library_name(organism="human") 确认，不要硬编码。Enrichr/MSigDB 库以基因符号为键（人用大写、小鼠用首字母大写），ID 不匹配是“结果全不显著”的首要原因。ORA 的背景应为检测到的基因而非全基因组，否则会虚高显著性。用 Adjusted P-value（ORA，BH）或 FDR q-val（GSEA），不要用原始 p 值，并同时看覆盖基因数，避免 2000 基因集里命中 1 个基因。GSEA 需设 seed 与 permutation_num 以保证可重复。可视化可用 gp.dotplot、gp.barplot、gp.enrichment_map、gp.gseaplot。
限制：未提供收费、价格与具体平台支持信息；需注意基因 ID/物种不匹配、背景错误、仅按 log2FoldChange 排序、跨库多重检验、GO 术语冗余、列表过短或过长、缺少库版本与日期等常见问题。