怎么对TCGA数据单因素cox生存分析

这篇文章主要介绍"怎么对TCGA数据单因素cox生存分析"，在日常操作中，相信很多人在怎么对TCGA数据单因素cox生存分析问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答"怎么对TCGA数据单因素cox生存分析"的疑惑有所帮助！接下来，请跟着小编一起来学习吧！

针对TCGA 下载下来的lncRNA, miRNA的表达矩阵，结合临床信息，可以进行生存分析。

# 表达信息和生存数据整合到 exprSet, 如下：  bcr_patient_barcode time status LINC01587 XXbac_B461K10.41        TCGA-2W-A8YY  148      0  3.981761        23.890572        TCGA-4J-AA1J  226      0 37.491171        19.638233        TCGA-BI-A0VR 1505      0 10.891560         3.630524        TCGA-BI-A0VS  925      0  3.877719        19.388595        TCGA-BI-A20A   72      0 16.789319        12.210416        TCGA-C5-A0TN  348      1  7.835572        28.73043# 构建生存数据表mysurv <- Surv(exprSet$time, exprSet$status)# 单因素cox 分析函数Unicox <- function(x){  fml <- as.formula(paste0('mysurv~', x))  gcox <- coxph(fml, exprSet)  cox_sum <- summary(gcox)  HR <- round(cox_sum$coefficients[,2],2)  PValue <- round(cox_sum$coefficients[,5],4)  CI <- paste0(round(cox_sum$conf.int[,3:4],2),collapse='-')  Uni_cox <- data.frame('Characteristics' = x,                        'Hazard Ratio' = HR,                        'CI95' = CI,                        'P value' = PValue)  return(Uni_cox)}# 计算每一个单因素,比如hsa_let_7a_1Unicox('hsa_let_7a_1')# 批量计算单因素VarNames <- gene_namesUnivar <- lapply(VarNames, Unicox)# 将单因素的结果汇总Univar <- ldply(Univar, data.frame)

整理的结果如下：

Characteristics Hazard.Ratio      CI95 P.value1       LINC01587         1.00 0.99-1.01  0.67712 XXbac_B461K10.4         1.01    1-1.03  0.03803         IGF2_AS         1.00    1-1.01  0.40474          TPTEP1         1.00       1-1  0.32805          DLEU2L         1.00 0.99-1.01  0.98646   RP11_268J15.5         1.00       1-1  0.0736

到此，关于"怎么对TCGA数据单因素cox生存分析"的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注网站，小编会继续努力为大家带来更多实用的文章！