上皮性卵巢癌预测论文的实践分析

A mathematical-descriptor of tumor-mesoscopicstructure from computed-tomography images annotates prognostic- and molecular-phenotypes of epithelial ovarian cancer 的R语言实践

一、下载数据集和R安装包

1.1 论文中的数据集地址被重定向到了这个网址 数据集地址
       下载数据脚本和数据集

       下载链接为 数据集下载地址

1.2 下载r3.6.3的安装包 安装包下载地址（清华镜像）

       下载链接为 windows安装包R3.6.3下载 无脑安装
1.3 下载Rtools34.exe的安装包 Rtools的下载地址 注意与R版本的对应关系

       下载链接为 windows版本Rtools34下载 无脑安装
1.4 下载free的RStudio RStudio下载地址 无脑安装

二、RStudio设置

2.1 打开工作目录，打开下载的数据集和脚本文件Tools->Global Options->General->R version可以切换R的版本

2.2 Tools->Global Options->Packages->Primary CRAN repository可以切换R包下载的镜像 推荐使用上海的同济大学镜像

2.3 加载数据集


       数据加载方式和matlab挺像，可以在执行过程中查看值的变化

三、R包的安装

        可以提前在console中把需要的包名安装好 当然也可以在设置中操作
3.1 install.packages(“包名”)

       或者有些包名无法安装的可以试着换一下镜像 毕竟有的镜像中的包信息不全
3.2 或者是先安装devtools安装上，使用install_github(“fifer”)安装相应包

3.3 或者是git安装不上的可以去 https://cran.r-project.org/src/contrib/ 根据R版本下载相应的包文件
       比如安装fifter时 cran地址 下载链接为 fifer1.1安装包
       install_url(“https://cran.r-project.org/src/contrib/Archive/fifer/fifer_1.1.tar.gz”) 直接安装即可

四、执行代码及论文总结

4.1 最后点击右上角Run运行 逐行执行方便调试（类似jupyter notebook）

4.2 对这篇论文和代码的简单总结：
1、从364例患者的术前CT图像中提取出657个特征，将这些特征进行无监督的分层聚类分析，分析结果显示了放射性轮廓、遗传背景和临床特征之间是有内在联系的，这为进一步研究提供了可行性。
2、对三个数据集：HH测试数据集（n=136）、HH验证数据集（n=77）和TCGA验证数据集（n=70）进行Cox回归，最终发现42个放射性特征与存活率OS相关。然后通过Lasso算法将42个特征压缩为4个特征，对这4个特征加权求和得出RPV（放射学预后载体）评分。
3、验证RPV评分的可靠性，在考虑了RPV的分布和每个分组的患者数量后，通过无监督K-均值聚类方法，将所有患者依据他们的RPV分为3类，这3类有很明显的OS差异。
4.3. 部分结果图展示

图解：通过无监督分层聚类确定了两个不同的类别（热点图上方的第一排）
蓝色为Cluster1 红色为Cluster2

图解：以HH测试数据集为例：横坐标表示时间（单位月），红色线表示低的RPV、蓝色线RPV评分适中，绿色线RPV较高。同一时间t下随着RPV的增加对应的存活率（至时间t还有多少人存活/总人数）降低。随着Month延长这个规律仍不变。
4.4 备注：代码脚本中的TCGA_clinical_molecular_combined 是TCGA验证数据集中包含RPV、eRPV、原发性化疗反应分子亚型、BRCA突变、CCNE1表达、基质含量、肿瘤含量和RPPA数据的DataFrame
作者给的数据集中没有包括这个数据集 代码可能会执行不下去，待进一步完善~

题外话

1. 工作之余花了两天的时间帮朋友实现的，时间有些仓促再加上之前从没接触过R，以上内容有错误或者不详细的地方欢迎批评指正，论文的理解有不正确或者不完善的地方也敬请谅解。