生存预后建模方案分析

方案分析：

1. GEO、TCGA等公共数据库下载表达和临床数据

从数据库中下载表达与临床数据。

2. 单因素COX回归筛选与生存期相关的基因

Cox回归模型，又称比例风险回归模型(proportionalhazards model，简称Cox模型)，是由英国统计学家D.R.Cox提出的一种半参数回归模型。该模型以生存结局和生存时间为应变量，可同时分析多种因素对于生存期长短的影响。Cox模型能分析带有截尾生存时间的资料，且不要求估计资料的生存分布类型，因此在医学界被广泛使用。

Cox回归模型中的风险比HR为每升高一个单位的因素，对应生存期改变的比例，通常用来描述排除其他因素后，该因素的相对危险度。而Cox回归模型的假设检验是指在排除其他因素后，该因素与生存期的相关性检验，通常p值 <0.05时我们可以认为该因素与生存期显著相关。

3. 1000次Lasso进一步筛选相关基因

Lasso（Least absolute shrinkage and selection operator）

Lasso对数据的要求低，应用范围广，可筛选变量，降低模型的复杂程度，最终获得变量最少的广义线性模型。我们将lasso回归模型应用于对基因的筛选，获得与生存相关的最佳基因集。

Lasso算法公式如下：

4. 多元COX回归，建立风险评分公式，计算最优阈值区分高低风险组

Lasso筛选出的基因集作为一个整体模型，进行多元Cox回归分析。

风险指数引入cox多元回归的风险回归系数β值来预测每个样本的风险系数。每个样本的风险系数为该样本下每个基因对应的多元COX回归beta值与该基因的表达量的乘积之和。

风险指数计算公式：RiskScore = Σβi * xi.
βi：基因对应的多元COX回归beta值；xi：基因表达值。

5. 在验证集中检验风险评分的预测能力，绘制ROC、DCA、生存曲线等

用ROC曲线评估风险指数分类器模型的效果。AUC值为ROC曲线所覆盖的区域面积，AUC值越大，分类器分类效果越好。

依据风险指数区分样本高低风险组，结合生存信息绘制生存曲线。

6. 比较高低风险两组的突变、表达、可变剪切、甲基化等差异

风险指数区分样本高低风险组后，结合突变、表达、可变剪切、甲基化等信息，分析高风险组与低风险组之间的差异。

7. 相关差异基因的功能和相互作用分析。

对筛选出的基因panel的相关的差异基因进行功能注释、通路分析（GO和KEGG）和相互作用分析，探索genepanel的影响作用机制。

R2基因组学平台（https://hgserver1.amc.nl/cgi-bin/r2/main.cgi）是一个免费的、可公开访问的基于web的基因组学分析和可视化平台，允许生物医学研究人员在没有生物信息学培训的情况下集成、分析、可视化临床和基因组学数据。

R2数据库的使用

#浏览数据

Main —>   ChangeDataset（选择当前数据库）

Main —>   Advanced Selection —>   Data Type—>   选择数据—>   数据介绍

（在数据介绍中，如果数据来自GEO，也可从GEO途径下载）

#下载数据

Tools > Data Grabber > 下拉菜单选择数据库 > next

随后出现一个设置菜单

sample filter 中Select a track(subset)用于选择已注释分组；

Transformation中transform为数据标准化方法；

reporters中Genes/Probeset selection可选参数有Manual selection(需要提供基因列表，输出提供的基因列表的表达)、HugoOnce(输出全部基因表达)、 All reporters

数据下载文件大小有限制，不可超过300MB

点击超链接下载表达矩阵：datagrabber.txt