知識的價值不在于占有,而在于使用。

生信自學網-速科生物-生物信息學數據庫挖掘視頻教程

當前位置: 主頁 > 生信數據庫 >

單基因批量篩選之ROC過濾和臨床相關性過濾

時間:2019-08-30 16:28來源:生信自學網 作者:樂偉 點擊:
單基因批量篩選方法之ROC過濾和臨床相關性過濾

單基因批量篩選方法之生存分析過濾


單基因批量篩選方法之獨立預后分析過濾

ROC過濾

今天繼續給大家介紹單基因批量篩選的方法,前面我們給大家介紹了生存分析過濾和獨立預后分析過濾,接下來做ROC曲線過濾,在分析的時候,ROC曲線被經常用到,而且一個好的AUC值是ROC曲線是否可用的先決條件,所以找到那些符合AUC值的基因,是繞不過的過濾分析。

AUC值大于0.7作為我們的篩選條件,ROC曲線的意義在于,當某個基因的ROC曲線的AUC值大于0.7,說明通過該基因去預測病人的生存的準確性是比較高的。
這里用到的輸入文件就是前面做獨立預后分析過濾得到的基因文件,用到的R包是“survivalROC”R包。
得到的結果文件,一個是ROC值得文件,一個文件時導出符合條件得基因矩陣,用于做接下來得過濾分析。
 

臨床相關性過濾

經過前面得分析,我們得到得基因是跟生存相關,并且可以作為獨立預后因子,而且這些基因用于預測生存得準確性是比較高得,接下來要做得臨床相關性過濾,找到跟臨床相關得基因,用于后面基因得直接篩選。
結果解讀:

第一列是基因,第二列到倒數第二列是該基因與各臨床相關性得P值,最后一列是與臨床相關個數得統計,比如第一個基因,它與八個臨床相關性得P值都小于0.05,這樣得操作非常高效,而且是基于所有數據庫做分析,為后面挖掘數據提供便捷的參考。
當然我們在后面篩選基因時,不一定要看臨床相關性過濾的總數,有些不那么相關的臨床我們可以不在討論范圍內,所以得到這個結果表格,就有很多選擇,結合文獻,挑選自己感興趣的基因做后續單基因挖掘。
那么用這個結果表格里面的基因做分析,后面的生存分析,獨立預后分析,ROC曲線,臨床性相關性分析的圖表都是比較美觀的,因為這些基因時通過4層過濾得到的基因。

購買這個課程

生信自學課堂精品課程推薦:
《自噬基因預后模型文章套路》
免疫基因預后模型5分文章套路
《TCGA免疫細胞浸潤模式挖掘》
《TCGA腫瘤微環境》
《TCGA腫瘤突變負荷》
《單基因文章套路基于TCGA數據庫》



責任編輯:樂偉
作者申明:本文版權屬于生信自學網(微信號:18520221056)未經授權,一律禁止轉載!
加生信自學網群
BioWolf二維碼生成器
頂一下
(1)
100%
踩一下
(0)
0%
------分隔線----------------------------
發表評論
請自覺遵守互聯網相關的政策法規,嚴禁發布色情、暴力、反動的言論。
評價:
表情:
用戶名: 驗證碼:點擊我更換圖片
TCGA腫瘤微環境
推薦內容
單基因發文套路
m6A