生信豆芽菜数据分析平台-模型构建

之前接到粉丝来信，想让我们上线一些构建诊断模型和风险模型的工具，为此，我们加班加点，上线了几个工具，接下来逐一介绍一下

链接：
http://www.tbfollow.com/singleCollectionTool#href-constru

目前构建风险模型最常见的套路之一，单变量cox分析+lasso+多变量cox分析（逐步回归）构建风险模型，这里我们讲三个部分进行拆开，进行讲解

1、单变量cox分析

通过survival包进行单变量cox分析，并通过阈值筛选预后相关的特征

特征表达数据

生存数据

点击提交就可以等待运行完成，默认选择p<0.05筛选预后相关的基因，可以根据自己的需求进行修改，常见的<0.01,<0.005,<0.001,<0.0001等等

其中tcga.sig.cox.txt即为p<0.05的相关的基因

2、预后之lasso分析

lasso分析主要是为了进一步压缩基因的数量，从侧面来说可以去掉一个共线性表达的基因，其实就是一个去重的过程，这里的去重并不是单纯的名字的重复，而是表达模式的相似

特征表达数据

生存数据

分析的基因名

这里常规选择预后有意义的基因

点击提交就可以等待运行完成

3、预后之多变cox构建风险模型

这里上传的数据和lasso分析类似，不一一介绍了

需要注意的是，如果基因过多可以选择逐步回归的方法进行压缩

4、机器学习筛选特征基因

这里的选择特征基因主要是基于二分类的分组进行的，如果是预后模型，可使用患者的存活状态进行分析

特征表达数据

分组信息

分析的基因

然后选择合适的算法就可以了，其中SVM跑的比较慢，需要耐心等待

直接提交就可以了

5、101种算法组合构建风险模型

参考已有的文献101种算法组合筛选特征基因，构建预后模型（Machine learning-based integration develops an immune-derived lncRNA signature for improving outcomes in colorectal cancer）

需准备四个文件

训练集和验证基因的表达谱为training_expr/Testing_expr，行为基因，列为样本的表达谱

训练集和验证集的生存数据

训练集

验证集

其中，Cohort列为数据集的名称，训练集只有一个，而验证集可以有一个数据集也可以是多个数据集

这里分组的颜色为，训练集+验证集个数，如验证集有四个数据集，则需选择4+1也就5个颜色

热图是从低到高，也就是绘制c-index大小的颜色，多种算法计算后获取的特征基因，我们如何判断那种模型较好呢？这里选择使用c-index的方法进行比较，并计算了每一个算法得到的风险得分的值，后面可以自己绘制KM曲线和ROC曲线。

整个过程比较慢，需要耐心等到运行结果

6、113种算法组合构建诊断模型

该方法是有103种算法构建预后模型延伸而来的，输入的数据类型，主要就是

将训练集和验证基因生存数据替换为分组数据

其他的参数是一样的，我们正常运行即可等待结果，只是不同于预后模型选择c-index比较模型的好坏，而诊断模型则是用AUC值作为评判标准

7、二分类AUC绘制

有时候很多人会单独绘制单个基因/评分的AUC值，我们这里提供了一个单独绘制AUC的工具

表达数据

分组数据

提交后，等待运行完成即可

时间仓促，我们加班加点在上线各个工具，如果喜欢豆芽菜的分析网站，可以推荐给身边的朋友哦！！！！！！！！
原文链接：https://mp.weixin.qq.com/s?__biz=MzkxMjMxOTcyNQ==&mid=2247485781&idx=1&sn=fe13b806cfff5007bf59cf16e2ac443b&chksm=c10ffcd7f67875c18d88a492ecebe6dcc2cca797c39ef1a8d4f9a2d10f53060be3ba4ec42c3f&token=959265649&lang=zh_CN#rd