這篇文章蠻值得看的，尤其是想做基本的pathway analysis，他簡單概結目前此類方法在這十年的遞進，主要有三個方法學上的改變，分別從over-representation analysis、Functional Class Scoring、再到Pathway Topology，每個方法的調整其實都進一步改善前一代的方法，而最早使用到現在的Over-representation analysis到目前還是會使用的，但更清楚他的局限性在那邊。除此之外，作者在這篇論文中也提高接下來這類的方法，還有哪些需要解決的困難和挑戰。

第一種：Over-Representation Analysis Approaches

這種ORA(Over-Representation Analysis)是目前生物學家、醫師等使用最為方便且簡單的方法，但這方法本質的限制非常多。其主要有四個特性，第一個是ORA背後所使用的檢定原理如hypergeometric distribution、chi-square、binomial distribution等，都只考慮“顯著”的基因列表個數，單個基因的表現“大小”沒有影響到整個統計上的預測。第二點ORA方法只處理通過檢定的表現差異基因，那些沒有通過闕值的基因就因此被剔除掉，這樣會造成某種bias出現。第三點ORA把每個基因的表現當作獨立事件，不會互相干擾，第四點ORA裡面的計算假設每個路徑之間是相互獨立的。

第二種：Functional Class Scoring Approaches

FCS的方法則是改進了ORA方法把每個基因都當作獨立來計算其統計量（gene-level statistics），其方式可以簡單分成三部分，第一部份則是取得每基因的統計量，第二部份則是將gene-level statics整合成一個pathway-level statistics，常用來處理這個統計值方法有Kolmogorov-Smirnov statistic, sum, mean, median of gene-level statistics。這值可以是多變量、單變量的。最後一步則是檢定這個pathway-level statistics顯不顯著。這個方法改進了ORA在統計值處理時把基因單獨處理的問題，但另一個還沒有解決的則是pathway之間是不獨立的這件事，這就必須要使用到Pathway Topology-Based Approaches的方式。

第三種：Pathway Topology Approaches

目前路徑裡面三種方法都不一樣！

Khatri, P., Sirota, M., & Butte, A. J. (2012). Ten years of pathway analysis: Current approaches and outstanding challenges. PLoS Computational Biology, 8(2). http://doi.org/10.1371/journal.pcbi.1002375