生信自学网-速科生物-生物信息学数据库挖掘视频教程

主页 > TCGA >

TCGA构建Cox比例风险回归模型

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。
COX风险模型热图生存曲线
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
COX分析课程目录
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
课件展示
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   微信:18520221056)

森莘老师微信二维码