分析目的

構(gòu)建合適的機器學(xué)習(xí)模型，對樣本是否為疾病樣本進行預(yù)測，或預(yù)測腫瘤病人的預(yù)后信息。

數(shù)據(jù)來源

轉(zhuǎn)錄組、拷貝數(shù)變異數(shù)據(jù)、甲基化數(shù)據(jù)、轉(zhuǎn)錄調(diào)控數(shù)據(jù)等多組學(xué)數(shù)據(jù)。

分析方法

將多個組學(xué)數(shù)據(jù)的公共數(shù)據(jù)集隨機劃分為訓(xùn)練集和測試集，在訓(xùn)練集上綜合考慮預(yù)后相關(guān)的多組學(xué)基因特征，訓(xùn)練基于隨機森林、邏輯回歸等算法的疾病診斷模型或預(yù)后風(fēng)險評估模型。用 ROC曲線和AUC值做模型的評估。對于預(yù)后風(fēng)險評估模型，我們根據(jù)訓(xùn)練好的風(fēng)險模型計算測試集中的每個樣本的Risk score，做K-M生存分析，檢查是否有統(tǒng)計上的差異性。

分析內(nèi)容

（1）訓(xùn)練集與測試集的隨機劃分結(jié)果

（2）隨機森林、邏輯回歸模型的具體參數(shù)

（3）測試集每一個樣本的風(fēng)險分值以及高風(fēng)險/低風(fēng)險分組

（4）模型重要性排序圖；模型評估結(jié)果：KM 生存曲線以及 ROC 曲線圖

分析結(jié)果示例圖