零代码复现4-基于中性粒细胞胞外陷阱的泛癌预后特征

零代码复现4与之前的套路8中性泛癌的文章基本是一致的，文件解读可看链接：

https://mp.weixin.qq.com/s?__biz=MzkxMjMxOTcyNQ==&mid=2247484679&idx=1&sn=9bd2ade5703b628b2055ff5a0a8c613b&chksm=c10ff085f678799389447641b20066cc2d5d36062294564e7d00ee2a005d45cbff02e90c85c6&token=91045828&lang=zh_CN#rd

我们将该复现的代码进行了工具化，先介绍一下适用场景

可以针对特定的基因集进行泛癌相关的分析，这个特定的基因集，可以是前人分析得到的，也可以是从单细胞分析获取的某一个亚群marker基因。

话不多说，直接看如何分析。

输入网址，直接进入零4复现的页面（http://www.sxdyc.com/NETsCancerPrognosis）

1、提取特征基因集表达矩阵

首先我们需要准备一个基因集的列表，如这里默认准备的是中性粒细胞的相关基因集，这里的基因来自于已经发表的文章，详细的可以看套路8的介绍。

记得，这里的生存时间默认0，是提取总生存时间（OS）大于0天的肿瘤组织样本。当然有的文章中，也会写上30，也就是生存时间大于30天的样本会纳入分析。

提交后，设置任务名，该步很重要，会计入运行次数，运行成功后，即可进行第二步

2.单因素cox分析筛选预后相关的基因

选择导入数据，这里选择的1是我在第一步设置的任务名

然后设置一个随机种子，训练集样本的比例，比如这里我选择0.5，就是针对泛癌的数据，针对某一个随机种子，随机抽取50%的样本作为训练集，剩下的50%为验证集。并使用单因素cox分析计算中性粒细胞相关基因与预后的关系。

其中pan.cox.txt为单因素cox分析的结果，这里需要下载下来看看，在第三步的时候，需要看看选择p的阈值

3.构建风险模型

导入数据后，选择p的阈值，这里我现在的是0.05，选择是否进行lasso分析，是否进行逐步回归，如果单因素cox分析p小于0.05的基因比较少，可以选择不做lasso和逐步回归，一般默认构建模型的基因不要10个以内，或者不要超过15个，基因太多了，不利于后期验证。

module.gene.txt就是构建模型的基因，如果基因比较多，可以选择这一步的p<0.01，再重新进行。

pacer.risk.score.txt为泛癌每一个样本风险得分的结果

4.module基因相关性分析

这里主要是针对构建风险模型的基因进行相关性分析（默认是使用pearson计算的相关性）

5.风险得分预后分析的可视化

接下来就是预后风险得分的一些可视化，自行输入高低风险组的颜色

其中fig2B1为训练集关于OS的各个肿瘤风险得分的单因素cox分析的森林图，fig2B2为验证集关于OS的各个肿瘤风险得分的单因素cox分析的森林图。

fig3a.tra.dss为DSS时间训练集中高低风险组预后KM曲线，fig3a.tra.os为OS时间训练集中高低风险组预后KM曲线，fig3a.tra.pfi为PFI时间训练集中高低风险组预后KM曲线。

fig3b针对的是验证集中高低风险组预后KM曲线，包括了OS,DSS,PFI三个生存时间

fig3c为单个肿瘤的高低风险组的预后KM曲线（这里不区分训练集和验证集）

下面的这些都是一些绘图数据

6.风险模型的评估

绘制AUC的时候需要输入时间，默认这里写的是3年的，可以按照自己的需求写，需要输入四个颜色，是AUC的颜色（训练集nom的颜色，训练集风险得分的颜色，验证集nom的颜色，验证集风险得分的颜色）

7.风险得分与血管生成、EMT和细胞周期的关系

通过ssGSEA的方法，基于已有的基因集计算样本评分

8.高低风险组差异基因的富集分析

这里使用limma包对高低风险组做差异分析然后通过FDR<0.05，log2(FC)>log2(1.5）筛选上调的基因，用log2(FC)<-log2(1.5）筛选下调的基因

目前，基因集泛癌的分析就做完了。

如果你感兴趣，可以试试

目前已经录制了视频，视频联系

哔哩哔哩链接：https://www.bilibili.com/video/BV1zp421C7JX/?spm_id_from=333.337.search-card.all.click

原文链接：

https://mp.weixin.qq.com/s?__biz=MzkxMjMxOTcyNQ==&mid=2247488028&idx=1&sn=760100de6bb6c0f4ff2a9179cd5ecbcb&chksm=c10fe79ef6786e88e6477549ae3d71f36a630201fa3e1bcefafb3a46fd29e9dd2d121e4ec0f2#rd