大家好！今天跟大家分享的是2020年4月发表在EBioMedicine（IF = 5.736）上的文章。文章利用从临床搜集的胰腺导管腺癌（PDAC）病人样本，通过LASSO算法及Cox回归分析，构建5分子预后模型，同时利用生存曲线、ROC曲线和多变量Cox回归分析验证了该模型的预后价值，并评估该模型预测术后ACT治疗预后的价值。
尽管通过GWAS能够识别到一些与疾病存在关联的SNP位点，然而很多复杂疾病的遗传因素并不能被GWAS分析的结果完全解释，这一现象称之为遗传力缺失missing heritability。 造成遗传力缺失的原因有有很多种，其中有两种因素被认为是最可能和这一现象相关的
大家好！今天跟大家分享的是2020年5月发表在Frontiers in Oncology（IF = 4.848）上的文章。文章利用TCGA及CGGA数据库中胶质瘤病人表达谱数据进行低氧相关基因表达分析，基于CGGA数据集通过Cox回归分析建立模型，通过TCGA数据进行模型验证，先后利用生存曲线分析，ROC曲线分析，GSEA分析和相关性分析等方法，阐述了低氧风险模型与神经胶质瘤的预后、临床指标和免疫微环境的关系。
医学中，重复事件较多，那么放在一些大场景中就会有，用户重复点击/浏览（留存），重复购买（复购）这些场景。 最近也看到一些类似的case就简单整理一下：
选择性注意可以通过注意增益与降低神经噪声来增强对感觉信息的处理。然而，这两种机制在多大程度上有助于改善注意过程中的知觉表现仍然存在争议。本文假设：采用哪种选择性注意机制取决于任务训练的持续时间。本研究通过一项典型的选择性空间注意ERP实验范式，经过1个月内20次脑电测试，采用系统而丰富的论证，得到重要的结论：注意增益在训练早期起主导作用，但在训练后期起主导作用的是神经噪声降低。这一观察结果对于理解注意机制以及推广使用不同模型系统(例如，人类和非人类灵长类动物)的研究结果具有重要意义。本研究发表在著名杂志《PLOS Biology 》上。
多元统计分析 中，交互作用是指某因素作用随其他因素水平的不同而不同，两因素同时存在是的作用不等于两因素单独作用之和(相加交互作用)或之积(相乘交互作用)。通俗来讲就是，当两个或多个因素同时作用于一个结局时，就可能产生交互作用，又称为效应修饰作用(effect modification)。当两个因素同时存在时，所导致的效应(A)不等于它们单独效应相加(B+C)时，则称因素之间存在交互作用。当A=B+C时称不存在交互效应;当A>B+C时称存在正交互作用，又称协同作用(Synergy)。 在一个回归模型中，我们想写的是
从字面上理解，成比例的hazards，也就是两组的hazards的比值是恒定的。 举个例子，如下图。随访10年以后两组的hazard曲线有交叉，显然不是恒定的PH，不满足PH假定。
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(1972)年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，可同时分析众多因素对生存期的影响，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。由于上述优良性质，该模型自问世以来，在医学随访研究中得到广泛的应用，是迄今生存分析中应用最多的多因素分析方法 [引自百度百科]。
目前已有各种关于免疫浸润的计算方法。我们介绍过CIBERSORT[CIBERSORT零代码分析免疫细胞浸润]，它是一种很有影响力的反褶积方法，利用带有预定义的免疫特征矩阵的微阵列数据来估计给定样本中22个肿瘤浸润免疫细胞(TIICs)的比例。
与完全数据相反，如果在研究结束的时候，研究对象发生了研究之外的其他事件或生存结局，无法明确的观察记录到发生终点事件的生存时间，我们把这种类型的数据称之为删失数据，或不完整数据（Incomplete data）。
大家好，今天向大家分享的是2020年4月发表在Frontiers in Genetics (IF=3.517) 杂志上的一篇文献《Novel Immune-Related Gene Signature for Risk Stratification and Prognosis of Survival in Lower-Grade Glioma》。文章基于TCGA数据库和CGGA数据库中的脑胶质瘤相关数据，利用单因素、多因素Cox回归分析及Lasso算法构建了六个免疫相关基因签名（gene signature，或者叫标记基因），并建立了预后诺模图，可有效地进行风险分层和预测原发性LGG的整体生存。
生存分析主要用于医学研究，比如医疗方案对病人寿命的影响。后面用来探究所感兴趣的事件的发生的时间的统计方法。比如产品的寿命分析、工程中的失败时间分析等等。这里病人死亡、产品淘汰和工程失败等称为事件event。生存分析中有两个重要的概念，一是生存函数，二是风险函数。
多因子方差分析的因子交互作用可以这样理解，比如经常吃的消炎药头孢，通常会认为服用三片要比服用一片效果好，但经过实际验证测试发现，男女之间用药效果并不相同。对于男性而言，吃三片的效果好些，而对女性而言，吃一片效果要更好。这种情况下，头炮剂量和性别之间便产生了了交互作用。
宾夕法尼亚大学的Raquel E. Gur教授及其研究团队，利用样本量高达9498的费城神经发展队列研究（不同于一般的纵向研究，属于纵向展开但不是同一个被试）数据库（PNC），收集了1601名青年人的脑影像数据，从社会经济地位（socioeconomic status,SES）和创伤性应激事件（ traumatic stressful events ,TSEs）的经历两个方面研究环境对年轻人的心理、行为和脑发育的影响，结果表明低SES（低社会经济地位）和TSEs（创伤性应激事件经历）是影响认知神经发育和脑结构及功能的独立因素，低SES和经历过TSE的青年人具有较早的生理发育和脑发育特征。研究进一步强调了环境因素对神经发育影响的重要性，研究结果发表在JAMA Psychiatry杂志。
今天小编要解读的这篇文章是2019年发表在Epigenetics杂志上的文章（影响因子4.173），题目是EGLN2 DNA methylation and expression interact with HIF1A to affect survival of early-stage NSCLC。
An immune-related gene prognostic index for head and neck squamous cell carcinoma
小编今天解读的这篇文章是2020年发表在杂志frontiers in Oncology（影响因子4.848）上，题目为Development and Validation of a 12-Gene Immune Relevant Prognostic Signature for Lung Adenocarcinoma Through Machine Learning Strategies。作者开发了12个特征基因以及风险评分公式可作为预测LUAD患者生存的强大而准确的工具，并可帮助临床医生更准确地选择最佳治疗方案。
学习生存分析预先要求对R有所了解，基本能够操作R数据框和包的使用。要是懂ggplot2和dplyr就更好了。
在前一章（TCGA生存分析）中，我们描述了生存分析的基本概念以及分析和总结生存数据的方法，包括：1.危险和生存功能的定义 2.为不同患者群构建Kaplan-Meier生存曲线用于比较两条或更多条生存曲线的logrank检验
Development and Validation of an Individualized Immune Prognostic Signature in Early-Stage Nonsquamous Non–Small Cell Lung Cancer
“More data beats clever algorithms, but better data beats more data.”——名人名言哈哈哈哈，更多的数据打败聪明的算法，更好的数据打败更多的数据。
社会经济因素会影响大脑的发育和结构，但大多数研究都忽略了在这个过程中损害发育的神经毒性环境带来的损伤，如铅暴露（在我们之前的解读的文章中，一篇多溴联苯醚的化学神经毒素对儿童的阅读网络的发育产生了不良影响。感兴趣的可点击：
EVA1B是一种蛋白质编码基因，是EVA1A基因的关键同源基因。本研究探讨EVA1B在结直肠癌(CRC)进展和预后中的作用。
临床模型研究，说到底是做一个模型，那么模型应该如何纳入自变量，纳入哪些自变量，这都是至关重要的问题。线性回归，逻辑回归和Cox比例风险回归模型是被广泛使用的多元回归分析方法。我们在前面的几篇文章中解释过他们的统计学意义、应用及结果释义。但是我们很少讨论自变量筛选的方法，这些方法在数据分析和撰写论文时应用较为混乱，却十分重要。本集整理并总结了前沿的自变量筛选方法，我们来一观究竟。
总离差平方和3318.482，组间离差平方和1379.722，组内离差平方和1938.76，组间离差平方和中可以被线性解释的部分为557.904，方差检验F=3.795，对应的显著性为0.031，小于显著性水平0.05，因此认为四组中至少有一组与两外一组存在显著性差异。
大家好， 今天和大家分享的是 2020 年 2 月发表在 Aging(IF:4.831)上的一篇文章，“Identification of an immune-related risk signature for predicting prognosis in clear cell renal cell carcinoma ”。作者使用多种数据库对5个ccRCC的IRG特征进行开发和验证，评估IRG与临床病理特征的相关性，并整合了IRG 特征与临床特征，建立列线图，以改善ccRCC患者的预后评估。
虽然青少年和成年焦虑症患者对威胁的神经反应相似，但在一些功能磁共振成像(fMRI)研究中发现了年龄差异。本文在对恐惧进行评级以及回忆模糊威胁时，比较了患有和不患有焦虑症的青少年和成年人的大脑功能差异。
基于肿瘤微环境相关的基因集构建预后预测模型，预测免疫治疗反应的分析在近几个月来层出不穷，今天小编给大家介绍的文章就是思路比较典型的一篇，分析流程非常明确，复现起来也很快。使用TCGA数据库中的385个结肠癌样本，通过Cox回归分析确定了9个与TME相关的预后基因，评估蛋白表达、免疫细胞浸润程度和患者生存之间的关系。通过计算风险评分，建立了一个与TME相关的基因signature的临床预测模型。文章题目：Identification of a Tumor Microenvironment-Related GeneSignature Indicative of Disease Prognosis and TreatmentResponse in Colon Cancer。
“[T]he concept of multiple regression and the linear regression model in particular constitutes the underlying platform of most econometric modeling, even if the linear model itself is not ultimately used as the empirical specification.”
From hairballs to hypotheses–biological insights from microbial
在本文中，在R中拟合BRT（提升回归树）模型。我们的目标是使BRT（提升回归树）模型应用于生态学数据，并解释结果。
最近我们被客户要求撰写关于增强回归树（BRT）的研究报告，包括一些图形和统计输出。
大家看惯了五六分的肿瘤预后分型套路？今天小编为大家带来一篇发表在Briefings in bioinformatics这样的生物信息学期刊的肿瘤预后模型文章，题目为Immune infiltration and clinical significance analyses of the coagulation-related genes in hepatocellular carcinoma，影响因子13.9分。
对于医学生来说，尤其是你的研究方向与肿瘤相关，那么避免不了的就是生存分析。生存分析的目的就是为了有个策略可以指示患者的生存期，以及寻找靶标继而作用于这些靶标是否可以延长患者的生存期。
细胞焦亡（Pyroptosis）又称细胞炎性坏死，是一种程序性细胞死亡，表现为细胞不断胀大直至细胞膜破裂，导致细胞内容物的释放进而激活强烈的炎症反应。细胞焦亡是机体一种重要的天然免疫反应，在抗击感染中发挥重要作用。细胞焦亡是由gasdermin介导的细胞程序性坏死。
大家好，这次给大家分享得文献是A hypoxia-related signature for clinically predicting diagnosis, prognosis and immune microenvironment of hepatocellular carcinoma patients，2020年9月发表在Journal of Translational Medicine杂志上，影响因子4.124。文章主要是寻找肝细胞癌诊断、预后和复发的特征基因并构建预测模型，所用方法比较常见但篇幅很长！
范可尼贫血(FA)通路是一种典型的、多酶调节的DNA损伤修复剂，它影响着包括癌症在内的疾病的发生和发展。关于FA相关基因(FARGs)的作用及其在癌症中的预后价值的综合分析报道很少
在生存分析中，探究生存时间的影响因素是一个重要的研究内容，通过KM和log-rank test检验的方法，只能够处理单个二分类因素的生存数据。当想探究多个因素或者离散型变量对生存时间的影响时，我们就需要借助于cox回归方法。cox回归的全称如下
在前面我们讲过简单的单因素方差分析，这一篇我们讲讲双因素方差分析以及多因素方差分析，双因素方差分析是最简单的多因素方差分析。
在生活中的决策过程中，食物价值也是一个重要的决定因素。但是食物价值和其他奖励的信息是如何在大脑中得到表征的，我们仍旧所知甚少。对人类进行基于食物的决策任务，我们发现可以通过对食物的营养属性来预测主观价值（营养属性如蛋白质、脂肪、碳水化合物和维生素含量）。fMRI的多变量分析表明，虽然在内侧和外侧的眶额皮层(OFC)的神经活动模式中都有食物价值的表征，但只有外侧的OFC能表征基本的营养属性。有效连接性分析进一步表明，内侧OFC会整合外侧OFC中所表征的营养属性的信息，以计算整体价值。这些发现为食物价值的营养属性的表征机制提供了一个解释。本文发表在Nature neuroscience杂志。（可添加微信号siyingyxf或18983979082获取原文及补充材料）。
版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/wzy0623/article/details/79268589
以往研究发现奖赏加工缺陷是情绪障碍和物质障碍的风险因素，眼眶额皮质和纹状体是奖赏加工的关键脑区，而且它们的体积减小已被证明与抑郁和物质依赖中的快感缺乏有关。来自华盛顿大学的Joan L. Luby等人在AJP杂志上发文，研究儿童时期这些区域的结构成熟是如何随着快感缺乏的程度变化而变化的，并以此预测他们之后的物质依赖情况。结果发现：在以眶额皮质建立的多层次模型中，个体快感缺乏-年龄交互作用显著。但在以纹状体建立的多层次模型中没有发现显著结果。研究者发现较高的水平的快感缺乏与眼眶额皮质体积随年龄的增长而急剧
小编今天解读的这篇文章是2020年发表在DNA AND CELL BIOLOGY（影响因子3.191）上，题目为Identification of a 14-lncRNA Signature and Construction of a Prognostic Nomogram Predicting Overall Survival of Gastric Cancer。本文构建了包含lncRNA特征和临床因素的列线图，以预测原发性胃癌患者的OS，结果表明，风险特征和列线图均是GC患者的有效预后指标。
大家好！今天跟大家分享的是2020年9月发表在Genomics（IF =6.205）上的文章。文章利用了从TCGA数据库中搜集的上皮性卵巢癌（epithelial ovarian cancer，EOC）表达谱数据进行了免疫相关基因表达分析，利用Cox回归分析及Lasso算法分别针对总体生存期（OS）和无病生存期（DFS）构建了免疫基因相关特征模型，并通过验证数据集进行了验证，后续利用CIBERSORT算法和免疫相关基因表达情况进一步分析了模型与肿瘤微环境的关系，为EOC提供了的潜在预后指标和治疗靶标。
回归分析最为关联分析中最长使用的一种手段，除了可以进行协变量的校正，还可以分析各种因素间的交互作用，比如SNP与表型，SNP与环境之间的交互。具体是如何实现的呢？
上次介绍了生存分析中的寿命表、K-M曲线、logrank检验、最佳切点的寻找等，本次主要介绍Cox回归。
缺氧，作为19年诺奖，毫无疑问是近年来的研究热点。但是作为热点，意味着相关的研究或者文章肯定不会少。想要找到合适的，并且别人没做过的思路就显得比较难了。
今天和大家分享的是2020年1月发表在Aging（IF=4.831）上的一篇文章：“Prognostic value of a hypoxia-related microRNA signature in patients with colorectal cancer”，作者利用高通量筛选（HTS）得到了具有显著预后价值的4个miRNA，并基于它们构建了一个风险评分模型。在验证其独立预后价值之后，作者又将miRNA模型与其他结直肠癌（CRC）临床预后影响因素相结合，提供了一个准确便捷的CRC临床预后方法。
领取专属 10元无门槛券
手把手带您无忧上云
