怎么对TCGA数据进行多因素生存分析

这篇"怎么对TCGA数据进行多因素生存分析"文章的知识点大部分人都不太理解，所以小编给大家总结了以下内容，内容详细，步骤清晰，具有一定的借鉴价值，希望大家阅读完这篇文章能有所收获，下面我们一起来看看这篇"怎么对TCGA数据进行多因素生存分析"文章吧。

在分析完单因素的生成分析之后，可以对最显著性的N个单因素进行多因素的分析。

# 构建多因素分析的公式multi_var <- paste0(sign_rbsure_gene_names, collapse = '+')fml <- as.formula(paste0('mysurv~', multi_var))# 进行多因素分析Multi_cox <- coxph(fml, data=exprSet)# 汇总多因素分析结果Multi_sum <- summary(Multi_cox)# 提取多因素结果Multi_name <- as.character(sign_rbsure_gene_names)MHR <- round(Multi_sum$coefficients[,2],2)MPValue <- round(Multi_sum$coefficients[,5],3)MCIL <- round(Multi_sum$conf.int[,3],2)MCIU <- round(Multi_sum$conf.int[,4],2)MCI <- paste0(MCIL,'-', MCIU)Multi_cox <- data.frame('Characteristics' = Multi_name,                      'Hazard Ratio' = MHR,                      'CI95' = MCI,                      'P value' = MPValue)

整理的结果如下：

> Multi_coxCall:coxph(formula = fml, data = exprSet)                    coef exp(coef)  se(coef)     z     pAC092614.2      0.005050  1.005062  0.010289  0.49 0.624RP11_415F23.3  -0.032513  0.968010  0.015284 -2.13 0.033RP11_395A13.2   0.002274  1.002277  0.002631  0.86 0.387RP11_404F10.2  -0.002062  0.997940  0.019779 -0.10 0.917DBH_AS1         0.000442  1.000442  0.001311  0.34 0.736AC005592.2      0.004510  1.004520  0.004267  1.06 0.290LINC00158      -0.051094  0.950190  0.023862 -2.14 0.032LINC00539       0.005989  1.006007  0.008343  0.72 0.473STARD4_AS1      0.000995  1.000995  0.000959  1.04 0.299RP11_75L1.1    -0.038611  0.962125  0.070396 -0.55 0.583RP11_261C10.5   0.005029  1.005041  0.022465  0.22 0.823RP11_753H16.5   0.019222  1.019408  0.012940  1.49 0.137RP11_109E24.1   0.017265  1.017415  0.018898  0.91 0.361RP11_98D18.1    0.073071  1.075807  0.045015  1.62 0.105RP11_731C17.2  -0.001641  0.998360  0.001763 -0.93 0.352AC004540.4      0.001276  1.001277  0.000533  2.40 0.017RP11_621L6.3   -0.020183  0.980019  0.019411 -1.04 0.298RP5_1077I2.3    0.089182  1.093279  0.055620  1.60 0.109RBAKDN          0.024500  1.024803  0.010308  2.38 0.017AF064858.10     0.005476  1.005491  0.009242  0.59 0.554AJ003147.8     -0.020868  0.979349  0.016359 -1.28 0.202RP11_12M5.4     0.050433  1.051726  0.020112  2.51 0.012RP11_1096G20.5 -0.058238  0.943425  0.037636 -1.55 0.122RP11_33N14.5   -0.046164  0.954885  0.026503 -1.74 0.082Likelihood ratio test=116.3  on 24 df, p=4e-14n= 304, number of events= 60

以上就是关于"怎么对TCGA数据进行多因素生存分析"这篇文章的内容，相信大家都有了一定的了解，希望小编分享的内容对大家有帮助，若想了解更多相关的知识内容，请关注行业资讯频道。