Avatar notebook default
TCGA挖掘
16篇文章 · 4842字 · 12人关注
  • Resize,w 360,h 240
    变异数据处理（4）

    corralation 0.输入数据和R包 2.任意两个基因的相关性分析 2.1 简单绘图 使用ggpbur。 2.2 按照stage分组 不仅...

    0.2 625 0 2
  • Resize,w 360,h 240
    变异数据处理（3）

    任意基因的任意分组比较 0.输入数据 这里面的数据： exp是tumor-normal都有的表达矩阵，exprSet是只有tumor样本的表达矩...

    0.9 985 0 7
  • Resize,w 360,h 240
    变异数据处理（2）

    signafiture 0.R包 1.读取突变数据maf 是和上一篇一样的数据，从gdc下载的maf文件和临床信息 2.制作signatures...

    0.5 852 0 4
  • Resize,w 360,h 240
    变异数据处理（1）

    maftools 变异数据处理的总体思路如下： 思维导图 1.数据下载 TCGA的突变数据有4个软件得到的不同版本： 这个可以在gdc的官网上找...

    0.5 1168 0 5
  • 十二、三图联动

    1.准备输入数据 2.挑选感兴趣的基因构建coxph模型 用survival::coxph()函数构建模型 3.模型可视化-森林图 4.模型预测...

    0.1 582 0 5
  • 十一、timeROC

    1.准备输入数据 2.构建lasso回归模型 输入数据是表达矩阵(仅含tumor样本)和对应的生死。 3.模型预测和评估 3.1自己预测自己 3...

    1.0 1837 0 13
  • 十、SVM

    svm 1.准备输入数据 2.构建支持向量机模型 2.1.切割数据 用R包caret切割数据，生成的结果是一组代表列数的数字，用这些数字来给表达...

    0.2 580 0 3
  • 九、随机森林

    1.准备输入数据 输入数据是肿瘤样本表达矩阵exprSet、临床信息meta 2.构建随机森林模型 输入数据是表达矩阵(仅含tumor样本)和对...

    0.9 1374 0 11
  • 八、cox-forest

    1.准备输入数据 2.挑选感兴趣的基因构建coxph模型 出自文章Integrated genomic analysis identifies ...

    0.3 553 0 6

文集作者