生信豆芽菜-AUC的计算和绘图

最新推荐文章于 2024-04-27 22:51:17 发布
最新推荐文章于 2024-04-27 22:51:17 发布
阅读量65 收藏
点赞数
文章标签： r语言 数据挖掘 数据分析 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43949246/article/details/132709885
版权

网址：http://www.sxdyc.com/visualsAuc
一、使用方法
1、数据准备
这里需要准备一个四列的数据，第一列为样本名，第二列为生存时间（可以是天/月/年），第三列为患者存活状态，第四列为风险得分（也可以是基因的表达）。
在这里插入图片描述

2、输入时间（如：这里我们上传的时间为年，输入的时间可以是1,2,3,4，计算的就是1,2,3,4n年的AUC），选择颜色（有几个数值选几个颜色，比如说这里计算了1,3,5三个数值，那么就选择三个颜色），选择图片的样式，线条是否光滑，提交等待运行结果即可
在这里插入图片描述

二、结果
在这里插入图片描述
在这里插入图片描述

当然，如果不清楚数据是什么样的，可以选择下载我们的示例数据，也可以关注：豆芽数据分析
在这里插入图片描述

木之如水
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
生信质控分析-FastQC
01-13
生物信息分析基础软件，高通量测序，主要用于做质控分析
生信分析论文套路R语言代码
12-05
TCGA GEO数据处理，基因注释，差异分析，GO，KEGG，GSEA富集分析，肿瘤突变负荷，免疫浸润，LASSO回归，随机森林，SVM-RFE，COX回归，WGCNA网络，共识聚类分析，药物敏感性分析，干性指数，免疫浸润指数，预后模型等维度的相关R语言代码
生信知识点-串讲-富集分析_R生信_生物信息_富集分析_R富集分析_生信分析_
10-02
R语言中生物基因的富集分析 给生物信息学的爱好者
华中科技大学生信专业课件--基因芯片
07-09
华中科技大学生信专业课件.基因芯片的测序原理是杂交测序方法，即通过与一组已知序列的核酸探针杂交进行核酸序列测定的方法，在一块基片表面固定了序列已知的靶核苷酸的探针。当溶液中带有荧光标记的核酸序列TATGCAATCTAG，与基因芯片上对应位置的核酸探针产生互补匹配时，通过确定荧光强度最强的探针位置，获得一组序列完全互补的探针序列。据此可重组出靶核酸的序列。
干货 | 一文完全理解AUC-ROC曲线
小白学视觉
05-03 4105
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达 来源： https://towardsdatascience.com/understanding-auc-roc-curve-68b2303cc9c5 翻译：石头 ...
基于Origin绘制AUC检验预测模型精度
weixin_46950211的博客
08-01 3844
本文结合实际案例给出了AUC的定义和算法，详细给出了基于Origin绘制AUC的具体步骤。
Python-XGBoost算法中绘制AUC-ROC曲线图
weixin_42294077的博客
12-25 7233
简单记录一下auc-roc的思想： 利用机器学习算法处理分类问题时，主要是通过测试样本产生的实值与预测概率来解决问题。随后将预测值与阈值进行比较。 阈值可以被看作为一个门槛，高于门槛为true，反之为false。 同时，由于测试样本时产生的是一个概率，可以对概率进行排序，确定最可能为True的样本排在前面，最不可能为True的样本排在后面。在排序额度过程中存在一个cut point。排在cut point前为正例。 如果我们更重视“查准率”，则可选择排序中靠前的位置进行截断；若更重视“查全率”，
AUC画图与计算
weixin_30332705的博客
06-05 1006
利用sklearn画AUC曲线 from sklearn.metrics import roc_curve labels=[1,1,0,0,1] preds=[0.8,0.7,0.3,0.6,0.5] fpr, tpr, thresholds = roc_curve(labels, preds) print(fpr)print(tpr)print(thresholds) ...
画AUC曲线
Dawei_01的博客
06-14 4516
以pandas数据格式输入，画svm的交叉验证auc曲线import numpy as np import matplotlib.pyplot as plt import pandas as pd from sklearn.ensemble import RandomForestClassifier from sklearn.model_selection import train_test_sp...
ROC-AUC图形绘制
love1005lin的博客
11-03 2084
AUC举例数据 y = [1,1,1,1,1,1,0,0,0,1,1,0,0,1,1,0,0,1,1,0,0] prob = [0.42,0.73,0.55,0.37,0.57,0.70,0.25,0.23,0.46,0.62,0.76,0.46,0.55,0.56,0.56,0.38,0.37,0.73,0.77,0.21,0.39] 导包 import numpy as np #线性插值 from scipy import interp import matplotlib.pyplot as plt
对于生信友好的生信杂志总结
05-05
对于生信友好的杂志汇总，总共300多个杂志，包含接受量，影响因子等信息。
IF：8+ 单细胞测序揭示肝细胞癌的免疫抑制概况
weixin_41368414的博客
12-04 629
点击关注，桓峰基因桓峰基因的教程不但教您怎么使用，还会定期分析一些相关的文章，学会教程只是基础，但是如果把分析结果整合到文章里面才是目的，觉得我们这些教程还不错，并且您按照我们的教程分析出来不错的结果发了文章记得告知我们，并在文章中感谢一下我们哦！公司英文名称：Kyoho Gene Technology (Beijing) Co.,Ltd.这期分享一篇2022年7月发表在Front Immun...
sklearn-5模型评估与改进
peter6768的博客
10-16 224
通过前述章节可以发现，可调用模型的.score方法获取测试集评分，还有其他方法可以更好的评估模型，有交叉验证和网格搜索。
【小迪安全2023】第57天:服务攻防-应用协议&Rsync&SSH&RDP&FTP&漏洞批扫&口令猜解
人若无名，便可专心练剑
04-24 796
程序使用 JavaFX 编写，便于跨平台使用，相比与web端的方式查询，其启动与搜索速度都有比较明显的提升！利用ftp自动化部署工具，部署一个ftp，利用hydra进行爆破。这里由于节省时间，直接告诉他账号，真是环境账号密码都需要利用字典。ftp爆破最大的特点是账号密码都不确定，账号密码都需要使用字典。为了确认是否正确，这里开一台靶机测试，扫描后发现成功发现了。3、文件传输-FTP&Rsync&弱口令&漏洞。2、远程控制-RDP&RDP&弱口令&漏洞。访问漏洞地址，是个apache页面。
R可视化：分组频率分布直方图和密度图
H20230717的博客
04-24 333
ggplot2绘制分组频率分布直方图和密度图
R语言 数据的整理与清洗（Data Frame 篇上）
yangyulu1998的博客
04-24 598
也可以使用矩阵形式的索引（matrix-style indexing）上面的示例通过将数据框视为列表（本质上是一列一列的向量）来索引。矩阵索引的缺点是: 只指定一列时，它会给出不同的结果。情况二：如果两个数据框中要匹配的列具有不同的名称，重命名列的方法三：使用R的字符串搜索和替换函数。它直接修改原本的数据框，不需要再重新赋值返回。重命名列的方法二：使用R自带函数。是为了确保整个字符串匹配。如果没有它们而有一个名为。重命名列的方法一：使用。添加或者删减列的方法很多。按列的位置或名字进行重排。
数据分析：筛选多组交集特征
H20230717的博客
04-24 270
使用R语言筛选多个分组的交集特征
R语言高级数据管理
最新发布
袁震的博客
04-27 327
绝对值函数abs(x)sqrt(x) 开平方根不小于某个数的最小整数ceiling(x)不大于某个数的最大整数floor(x)四舍五入round(x)sin(x)cos(x)log(x)
bayesplot｜分享一个可视化贝叶斯模型的R包
Senoh的博客
04-24 491
该包主要用于贝叶斯模型的可视化分析，提供了一系列工具来帮助评估、理解和诊断贝叶斯模型。这个包特别适用于与 Stan 以及其他提供 MCMC 样本的软件如 JAGS 和 BUGS 的模型输出。后验分布图:包括密度图、直方图和区间图，用于展示模型参数的后验分布。MCMC 诊断图追踪图（trace plots）、秩序图（rank plots）、自相关图（autocorrelation plots）和转移图（transition plots），这些都是用来诊断 MCMC 算法收敛性的工具。后验预测检查。
RNA-seq生信分析R语言代码
09-27
RNA-seq的生信分析可以使用R语言进行。下面是RNA-seq分析的大体步骤和对应的R语言代码： 1. 数据质控： - 质量评估和过滤：使用软件如FastQC和Trimmomatic对测序数据进行质量评估和过滤。 ```R library("ShortRead") library("Rsubread") # 质量评估 qc <- FastqFile("sample.fastq") quality <- qa(qc) # 过滤 filtered <- filterFASTQ(qc, output_file="filtered.fastq", trimVector=TRUE) ``` 2. 数据比对： - 将测序数据比对到参考基因组或转录组上，使用软件如HISAT2和STAR。 ```R library("Rsubread") # 比对到参考基因组 index <- buildindex("genome.fasta", "genome_index") aligned <- align(index, "filtered.fastq", output_file="aligned.bam") ``` 3. 确定基因表达水平： - 使用软件如featureCounts和HTSeq将比对结果转换为基因表达矩阵。 ```R library("Rsubread") # 生成基因表达矩阵 counts <- featureCounts("aligned.bam", annot.ext="gene.gtf", isPairedEnd=FALSE) ``` 4. 差异基因表达分析： - 使用软件如DESeq2和edgeR对基因表达矩阵进行差异基因分析。 ```R library("DESeq2") # 差异分析 dds <- DESeqDataSetFromMatrix(countData=counts, colData=sample_info, design=~condition) dds <- DESeq(dds) results <- results(dds) ``` 以上是RNA-seq生信分析的大体步骤和对应的R语言代码。请根据实际情况对代码进行相应的调整和优化。如果需要更详细的代码和解释，请参考相关的生物信息学教程和文献。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值