生存模型构建

课程中共使用了四种算法构建模型：

- cox(可做单因素和多因素)
[TCGA的cox模型构建和风险森林图](https://mp.weixin.qq.com/s?__biz=MzU4NjU4ODQ2MQ==&mid=2247487005&idx=1&sn=918089b060abbe3c46640e24f3a6e59d&scene=21#wechat_redirect)
- lasso回归
[用lasso回归构建生存模型+ROC曲线绘制](https://mp.weixin.qq.com/s?__biz=MzU4NjU4ODQ2MQ==&mid=2247487043&idx=1&sn=419b72b6d12d4c73b68f5a2b93d82447&scene=21#wechat_redirect)
- 随机森林
[听起来很霸气用起来并不难的随机森林](https://mp.weixin.qq.com/s?__biz=MzU4NjU4ODQ2MQ==&mid=2247487060&idx=1&sn=c67058c16cd2d5142c2ba46548040935&scene=21#wechat_redirect)
- 支持向量机
[听起来很霸气用起来并不难的 支持向量机](https://mp.weixin.qq.com/s?__biz=MzU4NjU4ODQ2MQ==&mid=2247487070&idx=1&sn=6343bcb5fde5b5e993e38c4ba0da8249&scene=21#wechat_redirect)

不管用了那种算法，核心都只是几句代码而已。一听就高大上的机器学习，开发很难，应用不难。得到的生存模型可用于另一数据集的预测，即根据构建模型所使用的基因表达量，预测对应的病人生死。如果只有一个数据集，可使用机器学习包caret进行切割，一半是训练集，用于构建模型；另一半是测试集，用于验证模型。

使用了两种评估指标对模型进行评估

- C-index
- AUC值，可用ROC曲线可视化。
他们的取值都在0.5-1之间，越大越好。其中，ROC曲线还可以将生存时间考虑在内，只是换一个R包（timeROC）。
[考虑生存时间的ROC曲线-timeROC](https://mp.weixin.qq.com/s?__biz=MzU4NjU4ODQ2MQ==&mid=2247487050&idx=1&sn=4e10f4bbb5c7365f547a6cb378e84a95&scene=21#wechat_redirect)

还有一个风险因子关联图
[TCGA风险因子关联](https://mp.weixin.qq.com/s?__biz=MzU4NjU4ODQ2MQ==&mid=2247487088&idx=1&sn=33fb4e407481df3b631241a57b6b603b&scene=21#wechat_redirect)，那天讲直播课讲到晚上11点，在豆豆的逼迫下完成这篇推文，到最后一刻23：59慌忙发出去，又忘了改标题。

![](/media/202301/2023-01-10_104517&qlb2EwGWjJaiUeRyoxFT.png)

从上向下三个图分别表示:
1.每个病人的预测值，按照从小到大排序
2.每个病人的生存时间，颜色区分生死
3.热图，挑出的基因在每个样本中的表达量