今天给大家介绍一篇五分的甲基化预后分型文章套路。文章以450k芯片作为train组,以27k芯片作为test组,对肿瘤进行分型,得到不同肿瘤亚型。同时,使用甲基化位点构建预后模型,得到预后分析的结果。
首先我们从TCGA下载甲基化数据,我们得到了甲基化的位点矩阵。将甲基化位点矩阵和生存数据进行联合分析,找出预后相关的甲基化位点。
ConsensusClusterPlus一致性聚类是一种为确定数据集中可能的聚类的数量和成员提供定量证据的方法。这种方法在癌症基因组学中得到了广泛应用,有助于我们发现新的肿瘤亚类。使用ConsensusClusterPlus对预后的甲基化位点进行肿瘤分型,得到不同的肿瘤亚型。通过生存分析和临床相关性分析,可以验证我们得到不同亚型的病人预后确实有显著差异。
我们比较不同亚型之间甲基化位点的差异,得到差异的甲基化位点。接下来,我们对这些位点构建甲基化位点预后模型。最后,通过风险生存曲线,ROC曲线以及风险曲线,验证了我们模型的准确性。
课程购买链接1:
https://item.taobao.com/item.htm?spm=a1z10.3-c.w4002-10686358831.21.5b3f14f5cF0DsX&id=612553931889
课程购买链接2:
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。