单基因批量筛选方法之生存分析过滤

单基因批量筛选方法之独立预后分析过滤

ROC过滤

今天继续给大家介绍单基因批量筛选的方法，前面我们给大家介绍了生存分析过滤和独立预后分析过滤，接下来做ROC曲线过滤，在分析的时候，ROC曲线被经常用到，而且一个好的AUC值是ROC曲线是否可用的先决条件，所以找到那些符合AUC值的基因，是绕不过的过滤分析。

AUC值大于0.7作为我们的筛选条件，ROC曲线的意义在于，当某个基因的ROC曲线的AUC值大于0.7，说明通过该基因去预测病人的生存的准确性是比较高的。
这里用到的输入文件就是前面做独立预后分析过滤得到的基因文件，用到的R包是“survivalROC”R包。
得到的结果文件，一个是ROC值得文件，一个文件时导出符合条件得基因矩阵，用于做接下来得过滤分析。
 

临床相关性过滤

经过前面得分析，我们得到得基因是跟生存相关，并且可以作为独立预后因子，而且这些基因用于预测生存得准确性是比较高得，接下来要做得临床相关性过滤，找到跟临床相关得基因，用于后面基因得直接筛选。
结果解读：

第一列是基因，第二列到倒数第二列是该基因与各临床相关性得P值，最后一列是与临床相关个数得统计，比如第一个基因，它与八个临床相关性得P值都小于0.05，这样得操作非常高效，而且是基于所有数据库做分析，为后面挖掘数据提供便捷的参考。
当然我们在后面筛选基因时，不一定要看临床相关性过滤的总数，有些不那么相关的临床我们可以不在讨论范围内，所以得到这个结果表格，就有很多选择，结合文献，挑选自己感兴趣的基因做后续单基因挖掘。
那么用这个结果表格里面的基因做分析，后面的生存分析，独立预后分析，ROC曲线，临床性相关性分析的图表都是比较美观的，因为这些基因时通过4层过滤得到的基因。
购买这个课程