data = training
机器学习构建预后模子的著述好多，且越来越卷，动不动等于10种模子的101种组合，这个系列会逐个的先容这些常用于预后模子变量筛选和模子构建的机器学习要害。
图片
作家代码公开在github上了，GitHub - Zaoqu-Liu/IRLS: Machine learning-based integrative analysis develops an immune-derived lncRNA signature for improving clinical outcomes in colorectal cancer 不错自行下载 有时 后台陈说 “机器学习”取得下载好的。前边先容过了RNAseq|Lasso构建预后模子，绘制风险评分的KM 和 ROC弧线，本次先容使用randomForestSRC完成当场丛林的糊口分析。
一 数据输入，管束
守旧使用前边Lasso得到的SKCM.uni-COX.RData数据（筛选过的单要素预后显耀的基因），后头的更多机器学习的推文均会使用该数据
#载入R包library(tidyverse)library(openxlsx)library("survival")library("survminer")library(randomForestSRC)load("SKCM.uni-COX.RData")module_expr.cox2 <- module_expr.cox %>% select(- "_PATIENT") %>% column_to_rownames("sample")module_expr.cox2[1:6，1:6]图片
将数据管束成以上方式，含有 随访工夫 + 糊口现象 + 基因抒发信息。1，数据集拆分闲居情况下是TCGA构建模子，然后在GEO中进行考据。这里仅为示例，径直按照7：3的比例将TCGA数据拆分为履行集和考据集（后头会先容更多拆分要害）
# 7:3 拆分ind <- sample(nrow(module_expr.cox2)，nrow(module_expr.cox2) * 0.7 )train <- module_expr.cox2[ind，]test <- module_expr.cox2[-ind，]##确保履行集和考据集的基因一致gene_com <- intersect(colnames(train) ，colnames(test))training <- train %>% select(gene_com)testing <- test %>% select(gene_com)training[1:4，1:4]# OS OS.time TYRP1 IGKV4_1#TCGA-EE-A2MM-06A 1 5107 1.38460143 5.2408878#TCGA-EE-A2GE-06A 0 5286 0.04187911 10.1611678#TCGA-ER-A194-01A 1 1354 9.56901508 0.3122559#TCGA-EB-A44R-06A 1 315 0.06131739 7.3046339注：履行集和考据集的基因一致，否则可能存在无法考据的情况。
二 构建当场丛林糊口模子
1，rfsrc函数构建RSF 糊口模子
注目建立当场种子seed，便捷以后复现；此外nodesize 值不错多建立几个尝试
fit <- rfsrc(Surv(OS.time，OS)~.，data = training， ntree = 1000， nodesize = 10， splitrule = 'logrank'， importance = T， proximity = T， forest = T， seed = 1234)
图片
不错看到该模子含有320样本，537个基因。2，庞杂性变量使用当场丛林糊口分析进行变量筛选，主要依据的等于每个基因的庞杂性值 ，该数据在fit$importance中，这里示例查抄TOP20 的基因注目：这里的庞杂性基因不会得到文献中常提到的基因前边的总共， 双辽市名匹食品有限公司总共不错通过将庞杂基因进行多要素COX糊口分析得到。
importance_gene <- data.frame(fit$importance) %>% rownames_to_column("gene") %>% arrange(- fit.importance) %>% head(20) importance_gene图片
（1）使用plot函数径直可视化plot(fit，平乐县孔机麻类有限公司10)
图片
（2）使用ggplot2绘制柱形图使用reorder函数进行排序
ggplot(data=importance_gene， aes(x = reorder(gene， fit.importance)， y=fit.importance，fill=gene)) + geom_bar(stat="identity") + theme_classic() + theme(legend.position = 'none') + coord_flip()
图片
这么就不会拥堵在一齐，且可自界说面目。
三 RSF模子考据
这内部先容2种考据形势，第一种起到了和Lasso相同的筛选基因的作用，第二种是径直考据。
1，使用RSF得到的庞杂基因构建COX模子（1）在上头的importance_gene文献中，凭证fit.importance建立阈值，然后选出候选基因 有时
（2）在上头的importance_gene文献中，径直选拔TOP若干的基因手脚候选基因。
然后将候选基因构建多要素COX模子，这么就不错得到文献中常见的基因总共。
注：这里的阈值和TOP莫得固定的cutoff ，成果导向即可。
2，RSF模子径直考据集测度径直使用考据集考据模子，得到每个样本的总共，然后不错使用糊口分析得到Cindex以及KM弧线等。
（1）C-index
fit.p <- predict(fit，潮州市同兴华江陶瓷制作有限公司 as.data.frame(testing))testing$RSF_p <- as.vector(fit.p$predicted)#计较C indextesting_surv <- coxph(Surv(OS.time， OS) ~ fit.p$predicted，data = testing)summary(testing_surv)$concordance
C se(C) 0.64523954 0.03881865
（2）KM弧线
testing$RSF_score <- ifelse(testing$RSF_p > median(testing$RSF_p)，"High"，"Low")fit <- survfit(Surv(OS.time， as.numeric(OS)) ~ RSF_score， data=testing)ggsurvplot(fit， data = testing， pval = T， risk.table = T， surv.median.line = "hv"， #添加中位糊口弧线 palette=c("red"， "blue")， #改革线的面目 legend.labs=c("High risk"，"Low risk")， #标签 legend.title="RiskScore"， title="Overall survival"， #标题 ylab="Cumulative survival (percentage)"，xlab = " Time (Days)"， #改革横纵坐标 censor.shape = 124，censor.size = 2，conf.int = FALSE， #删失点的方式和大小break.x.by = 720#横坐标休止)图片
这么就完成了当场丛林糊口模子筛选变量有时测度的先容，Lasso以外不错多一种尝试了。
参考贵府:
[1] Getting starting with the randomForestSRC R-package for random forest analysis of regression， classification， survival and more · Fast Unified Random Forests with randomForestSRC
杭州助孕_最大的助孕产子中心[2] Machine learning-based integration develops an immune-derived lncRNA signature for improving outcomes in colorectal cancer◆ ◆ ◆ ◆ ◆
用心整理（含图PLUS版）|R话语生信分析，可视化（R统计，ggplot2绘制，生信图形可视化汇总）
RNAseq纯生信挖掘想路共享？不潮州市同兴华江陶瓷制作有限公司，主如若送你代码！（提出储藏）
本站仅提供存储劳动，通盘实质均由用户发布，如发现存害或侵权实质，请点击举报。