怎么对TCGA数据进行多因素生存分析
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,'HazardRatio'=MHR,'CI95'=MCI,'Pvalue'=MPValue)
整理的结果如下：
>Multi_coxCall:coxph(formula=fml,data=exprSet)coefexp(coef)se(coef)zpAC092614.20.0050501.0050620.0102890.490.624RP11_415F23.3-0.0325130.9680100.015284-2.130.033RP11_395A13.20.0022741.0022770.0026310.860.387RP11_404F10.2-0.0020620.9979400.019779-0.100.917DBH_AS10.0004421.0004420.0013110.340.736AC005592.20.0045101.0045200.0042671.060.290LINC00158-0.0510940.9501900.023862-2.140.032LINC005390.0059891.0060070.0083430.720.473STARD4_AS10.0009951.0009950.0009591.040.299RP11_75L1.1-0.0386110.9621250.070396-0.550.583RP11_261C10.50.0050291.0050410.0224650.220.823RP11_753H16.50.0192221.0194080.0129401.490.137RP11_109E24.10.0172651.0174150.0188980.910.361RP11_98D18.10.0730711.0758070.0450151.620.105RP11_731C17.2-0.0016410.9983600.001763-0.930.352AC004540.40.0012761.0012770.0005332.400.017RP11_621L6.3-0.0201830.9800190.019411-1.040.298RP5_1077I2.30.0891821.0932790.0556201.600.109RBAKDN0.0245001.0248030.0103082.380.017AF064858.100.0054761.0054910.0092420.590.554AJ003147.8-0.0208680.9793490.016359-1.280.202RP11_12M5.40.0504331.0517260.0201122.510.012RP11_1096G20.5-0.0582380.9434250.037636-1.550.122RP11_33N14.5-0.0461640.9548850.026503-1.740.082Likelihoodratiotest=116.3on24df,p=4e-14n=304,numberofevents=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，请关注恰卡编程网行业资讯频道。