|
TCGA数据库基础分析相信很多学员都学习过，在交流中，学员要求我们整理Cox风险模型相关资料，经过半个月的整理和录制，这套COX模型构建的教程就发布给大家了。随着TCGA数据库分析的不断深入，简单的分析已经无法得到审核组的认同了，如果还在犹豫选题，还在基础方法摸索，那么等真正写论文发表的时候，有时另外一番场景了。 生物信息的更新是所有人都始料未及的，有好的课题，好的分析方向，就要立马行动起来，中国的科研环境，已经竞争非常激烈了，每天都有许许多多的工作者在钻研，在国际舞台，也是不断涌现新秀，这种工作态度也着实让全世界惊叹。  之前的差异分析，生存分析，GO、KEGG分析，现在已经升级到了ceRNA网络构建，COX模型构建，甲基化，SNP分析，可以预测过不了多久，这些课题又会淘汰，新的课题不断涌现，就像GEO当年的昌盛到衰退，TCGA的明天也是一样，知识TCGA数据分析还在摸索当中，这也是我们生物信息工作者在努力的方向，跟着我们的节奏，当前TCGA数据挖掘，在分析思路，分析工具，BioWolf是比较前卫的，也带动了TCGA数据库挖掘的进度，国内研究者如此热爱学习也是我们不断前行的动力。 COX风险模型构建的目录：
Cox模型介绍
生存数据和表达数据合并
单因素Cox分析
多因素Cox分析
生存分析
ROC曲线
高低风险热图 简介：
Cox比例风险回归模型（Cox’s proportional hazards regression model），简称Cox回归模型。该模型由英国统计学家D.R.Cox于1972年提出，主要用于肿瘤和其它慢性病的预后分析，也可用于列队研究的病因探索。
能处理多因素对生存时间影响的问题。
COX比例公式：
h(t/X)=h0(t) exp (β1 X1 +β2 X2 + ...... + βp Xp )
h0(t):基准风险函数 即所有变量取零时的t时刻的风险函数
X1 、X2 ...... Xp：影响因素变量
β1 、 β2 ...... βp：回归系数
 COX比例风险模型分析的优点：
多因素分析方法
不考虑生存时间分布
利用截尾数据
可以用β1 X1 +β2 X2 + ...... + βp Xp 估计疾病预后
在线学习：COX比例风险模型 注意：这个课程是基于TCGA课程之上的分析，如果没有学习TCGA的基础课程，请先学习：TCGA数据下载差异分析生存分析 
责任编辑：伏泽 作者申明：本文版权属于生信自学网（微信号：18520221056）未经授权，一律禁止转载！ |
