多组学+机器学习+膀胱癌+分型+建模

这是一个基于多组学+机器学习的分型建模文章，这里我们大概介绍一下，这篇文章做了啥

一、研究背景

1、尿路上皮癌是高度恶性的肿瘤，预后差，死亡率高

2、没有明显有效的治疗方法，多数患者在免疫治疗中无法受益，其原因可能是患者之间异质性

3、基于此，作者使用多组学数据与机器学习方法进行分析，以识别生物标志物，能够有效的改善患者预后，和免疫治疗的效果

过程：TCGA（mRNA+lncRNA+miRNA+甲基化）多组织整合构建分子亚型，并通过差异分析筛选预后相关的32个基因，通过10种机器学习的算法构建预后模型

二、数据准备

TCGA+IMvigor210+GEO(GSE13507,GSE31684,GSE32548,GSE32894,GSE48075,GSE48276)+ E-MTAB-1803的数据集（本文做的是膀胱癌，所以可以以IMvigor210作为训练集，大家在做的时候，需要注意，训练集样本量多）

三、方法和结果展示

分析流程