• 主页
  • 课程

    关于课程

    • 课程归档
    • 成为一名讲师
    • 讲师信息
    同等学历教学

    同等学历教学

    免费
    阅读更多
  • 特色
    • 展示
    • 关于我们
    • 问答
  • 事件
  • 个性化
  • 博客
  • 联系
  • 站点资源
    有任何问题吗?
    (00) 123 456 789
    weinfoadmin@weinformatics.cn
    注册登录
    恒诺新知
    • 主页
    • 课程

      关于课程

      • 课程归档
      • 成为一名讲师
      • 讲师信息
      同等学历教学

      同等学历教学

      免费
      阅读更多
    • 特色
      • 展示
      • 关于我们
      • 问答
    • 事件
    • 个性化
    • 博客
    • 联系
    • 站点资源

      未分类

      • 首页
      • 博客
      • 未分类
      • (未测试)TCGA的cox模型构建和风险森林图

      (未测试)TCGA的cox模型构建和风险森林图

      • 发布者 weinfoauthor
      • 分类 未分类
      • 日期 2020年2月13日
      • 评论 0评论

      输入数据是TCGA的表达矩阵expr、临床信息meta和group_list。保存为forest.Rdata了,通过一下链接下载:

      http://weinformatics.51vip.biz:50496/forest.Rdata

      load("forest.Rdata")
      exprSet = expr[,group_list=="tumor"]
      dim(exprSet) ## remove the nomral
      #> [1] 552 522
      head(meta)
      #>                     ID event death last_followup                      race
      #> 32.73.0.1 TCGA-A3-3307     0     0          1436                      <NA>
      #> 32.73.0.2 TCGA-A3-3308     0     0            16                     white
      #> 32.73.0.3 TCGA-A3-3311     1  1191             0                      <NA>
      #> 32.73.0.4 TCGA-A3-3313     1   735             0 black or african american
      #> 32.73.0.5 TCGA-A3-3316     0     0          1493                     white
      #> 32.73.0.6 TCGA-A3-3317     0     0          1491                      <NA>
      #>           age gender stage days       time age_group
      #> 32.73.0.1  66   male   iii 1436 47.8666667     older
      #> 32.73.0.2  77 female   iii   16  0.5333333     older
      #> 32.73.0.3  57   male     i 1191 39.7000000   younger
      #> 32.73.0.4  59   male     i  735 24.5000000   younger
      #> 32.73.0.5  57   male    ii 1493 49.7666667   younger
      #> 32.73.0.6  67   male    ii 1491 49.7000000     older
      exprSet[1:4,1:4]
      #>              TCGA-A3-3307-01A-01T-0860-13 TCGA-A3-3308-01A-02R-1324-13
      #> hsa-let-7a-1                         5056                        14503
      #> hsa-let-7a-2                        10323                        29238
      #> hsa-let-7a-3                         5429                        14738
      #> hsa-let-7b                          17908                        37062
      #>              TCGA-A3-3311-01A-02R-1324-13 TCGA-A3-3313-01A-02R-1324-13
      #> hsa-let-7a-1                         8147                         7138
      #> hsa-let-7a-2                        16325                        14356
      #> hsa-let-7a-3                         8249                         7002
      #> hsa-let-7b                          28984                         6909
      head(colnames(exprSet))
      #> [1] "TCGA-A3-3307-01A-01T-0860-13" "TCGA-A3-3308-01A-02R-1324-13"
      #> [3] "TCGA-A3-3311-01A-02R-1324-13" "TCGA-A3-3313-01A-02R-1324-13"
      #> [5] "TCGA-A3-3316-01A-01T-0860-13" "TCGA-A3-3317-01A-01T-0860-13"
      head(meta$ID)
      #> [1] "TCGA-A3-3307" "TCGA-A3-3308" "TCGA-A3-3311" "TCGA-A3-3313"
      #> [5] "TCGA-A3-3316" "TCGA-A3-3317"
      ## 必须保证生存资料和表达矩阵,两者一致
      all(substring(colnames(exprSet),1,12)==meta$ID)
      #> [1] TRUE

      2.挑选感兴趣的基因构建coxph模型

      出自文章Integrated genomic analysis identifies subclasses and prognosis signatures of kidney cancer中,五个miRNA是miR-21,miR-143,miR-10b,miR-192,miR-183

      将他们从表达矩阵中取出来,就得到了5个基因在522个肿瘤样本中的表达量,可作为列添加在meta表噶的后面,组成的数据框赋值给dat。

      e=t(exprSet[c('hsa-mir-21','hsa-mir-143','hsa-mir-10b','hsa-mir-192','hsa-mir-183'),])
      e=log2(e)
      colnames(e)=c('miR21','miR143','miR10b','miR192','miR183')
      dat=cbind(meta,e)
      dat$gender=factor(dat$gender)
      dat$stage=factor(dat$stage)
      colnames(dat)
      #>  [1] "ID"            "event"         "death"         "last_followup"
      #>  [5] "race"          "age"           "gender"        "stage"        
      #>  [9] "days"          "time"          "age_group"     "miR21"        
      #> [13] "miR143"        "miR10b"        "miR192"        "miR183"

      用survival::coxph()函数构建模型

      library(survival)
      library(survminer)
      s=Surv(time, event) ~ gender + stage + age + miR21+miR143+miR10b+miR192+miR183
      #s=Surv(time, event) ~ miR21+miR143+miR10b+miR192+miR183
      model <- coxph(s, data = dat)

      3.模型可视化-森林图

      options(scipen=1)
      ggforest(model, data =dat, 
               main = "Hazard ratio", 
               cpositions = c(0.10, 0.22, 0.4), 
               fontsize = 1.0, 
               refLabel = "1", noDigits = 4)
      #> Warning: Removed 2 rows containing missing values (geom_errorbar).

      4.模型预测

      fp <- predict(model)
      summary(model,data=dat)$concordance
      #>          C      se(C) 
      #> 0.78898350 0.01821821
      library(Hmisc)
      options(scipen=200)
      with(dat,rcorr.cens(fp,Surv(time, event)))
      #>         C Index             Dxy            S.D.               n 
      #>      0.21101650     -0.57796700      0.03643643    522.00000000 
      #>         missing      uncensored  Relevant Pairs      Concordant 
      #>      0.00000000    158.00000000  90192.00000000  19032.00000000 
      #>       Uncertain 
      #> 181754.00000000
      # 若要找到最佳模型,我们可以进行变量选择,可以采用逐步回归法进行分析

      这里只是举个栗子,自己预测自己的C-index是1-with(dat,rcorr.cens(fp,Surv(time, event)))[[1]],实战应该是拿另一个数据集来预测,或者将一个数据集分两半,一半构建模型,一半验证,可以使用机器学习的R包切割数据。

      C-index用于计算生存分析中的COX模型预测值与真实之间的区分度(discrimination),也称为Harrell’s concordanceindex。C-index在0.5-1之间。0.5为完全不一致,说明该模型没有预测作用,1为完全一致,说明该模型预测结果与实际完全一致。

      5.切割数据构建模型并预测

      5.1 切割数据

      用R包caret切割数据,生成的结果是一组代表列数的数字,用这些数字来给表达矩阵和meta取子集即可。

      library(caret)
      set.seed(12345679)
      sam<- createDataPartition(meta$event, p = .5,list = FALSE)
      head(sam)
      #>      Resample1
      #> [1,]         5
      #> [2,]         9
      #> [3,]        13
      #> [4,]        17
      #> [5,]        19
      #> [6,]        22

      可查看两组一些临床参数切割比例

      train <- exprSet[,sam]
      test <- exprSet[,-sam]
      train_meta <- meta[sam,]
      test_meta <- meta[-sam,]
      
      prop.table(table(train_meta$stage))
      #> 
      #>         i        ii       iii        iv 
      #> 0.4636015 0.1072797 0.2796935 0.1494253
      prop.table(table(test_meta$stage)) 
      #> 
      #>         i        ii       iii        iv 
      #> 0.5249042 0.1111111 0.1954023 0.1685824
      prop.table(table(test_meta$race)) 
      #> 
      #>                     asian black or african american 
      #>                0.01171875                0.08593750 
      #>                     white 
      #>                0.90234375
      prop.table(table(train_meta$race)) 
      #> 
      #>                     asian black or african american 
      #>                0.01937984                0.13953488 
      #>                     white 
      #>                0.84108527

      5.2 切割后的train数据集建模

      和上面的建模方法一样。

      e=t(train[c('hsa-mir-21','hsa-mir-143','hsa-mir-10b','hsa-mir-192','hsa-mir-183'),])
      e=log2(e)
      colnames(e)=c('miR21','miR143','miR10b','miR192','miR183')
      dat=cbind(meta,e)
      dat$gender=factor(dat$gender)
      dat$stage=factor(dat$stage)
      colnames(dat)
      #>  [1] "ID"            "event"         "death"         "last_followup"
      #>  [5] "race"          "age"           "gender"        "stage"        
      #>  [9] "days"          "time"          "age_group"     "miR21"        
      #> [13] "miR143"        "miR10b"        "miR192"        "miR183"
      s=Surv(time, event) ~ gender + stage + age + miR21+miR143+miR10b+miR192+miR183
      #s=Surv(time, event) ~ miR21+miR143+miR10b+miR192+miR183
      model <- coxph(s, data = dat)

      5.3 模型可视化

      options(scipen=1)
      ggforest(model, data =dat, 
               main = "Hazard ratio", 
               cpositions = c(0.10, 0.22, 0.4), 
               fontsize = 1.0, 
               refLabel = "1", noDigits = 4)
      #> Warning: Removed 2 rows containing missing values (geom_errorbar).

      从这个图上看的话五个基因有点惨不忍睹,只有一个是显著的,其他都是打酱油的。

      5.4 用切割后的数据test数据集验证模型

      e=t(test[c('hsa-mir-21','hsa-mir-143','hsa-mir-10b','hsa-mir-192','hsa-mir-183'),])
      e=log2(e)
      colnames(e)=c('miR21','miR143','miR10b','miR192','miR183')
      test_dat=cbind(meta,e)
      fp <- predict(model)
      summary(model,data=test_dat)$concordance
      #>         C     se(C) 
      #> 0.7694141 0.0183237
      library(Hmisc)
      options(scipen=200)
      with(test_dat,rcorr.cens(fp,Surv(time, event)))
      #>        C Index            Dxy           S.D.              n        missing 
      #>      0.2305859     -0.5388283      0.0366474    522.0000000      0.0000000 
      #>     uncensored Relevant Pairs     Concordant      Uncertain 
      #>    158.0000000  90192.0000000  20797.0000000 181754.0000000

      C-index为0.7694141, 模型还阔以噢。

      请关注“恒诺新知”微信公众号,感谢“R语言“,”数据那些事儿“,”老俊俊的生信笔记“,”冷🈚️思“,“珞珈R”,“生信星球”的支持!

      • 分享:
      weinfoauthor
      weinfoauthor

      1233

      上一篇文章

      (未测试)两种方法批量做TCGA生存分析
      2020年2月13日

      下一篇文章

      IGV载入bam后出错怎么办?
      2020年2月16日

      你可能也喜欢

      2-1675088548
      lncRNA和miRNA生信分析系列讲座免费视频课和课件资源包,干货满满
      30 1月, 2023
      9-1675131201
      如何快速批量修改 Git 提交记录中的用户信息
      26 1月, 2023
      8-1678501786
      肿瘤细胞通过改变CD8+ T细胞中的丙酮酸利用和琥珀酸信号来调控抗肿瘤免疫应答。
      7 12月, 2022

      留言 取消回复

      要发表评论,您必须先登录。

      搜索

      分类

      • R语言
      • TCGA数据挖掘
      • 单细胞RNA-seq测序
      • 在线会议直播预告与回放
      • 数据分析那些事儿分类
      • 未分类
      • 生信星球
      • 老俊俊的生信笔记

      投稿培训

      免费

      alphafold2培训

      免费

      群晖配置培训

      免费

      最新博文

      Nature | 单细胞技术揭示衰老细胞与肌肉再生
      301月2023
      lncRNA和miRNA生信分析系列讲座免费视频课和课件资源包,干货满满
      301月2023
      如何快速批量修改 Git 提交记录中的用户信息
      261月2023
      logo-eduma-the-best-lms-wordpress-theme

      (00) 123 456 789

      weinfoadmin@weinformatics.cn

      恒诺新知

      • 关于我们
      • 博客
      • 联系
      • 成为一名讲师

      链接

      • 课程
      • 事件
      • 展示
      • 问答

      支持

      • 文档
      • 论坛
      • 语言包
      • 发行状态

      推荐

      • iHub汉语代码托管
      • iLAB耗材管理
      • WooCommerce
      • 丁香园论坛

      weinformatics 即 恒诺新知。ICP备案号:粤ICP备19129767号

      • 关于我们
      • 博客
      • 联系
      • 成为一名讲师

      要成为一名讲师吗?

      加入数以千计的演讲者获得100%课时费!

      现在开始

      用你的站点账户登录

      忘记密码?

      还不是会员? 现在注册

      注册新帐户

      已经拥有注册账户? 现在登录

      close
      会员购买 你还没有登录,请先登录
      • ¥99 VIP-1个月
      • ¥199 VIP-半年
      • ¥299 VIP-1年
      在线支付 激活码

      立即支付
      支付宝
      微信支付
      请使用 支付宝 或 微信 扫码支付
      登录
      注册|忘记密码?