这篇“怎么对TCGA数据进行多因素生存分析”文章的知识点大部分人都不太理解，所以小编给大家总结了以下内容，内容详细，步骤清晰，具有一定的借鉴价值，希望大家阅读完这篇文章能有所收获，下面我们一起来看看这篇“怎么对TCGA数据进行多因素生存分析”文章吧。
在分析完单因素的生成分析之后，可以对最显著性的N个单因素进行多因素的分析。
计算
安全
数据库
网络和加速
企业服务
# 构建多因素分析的公式
multi_var <- paste0(sign_rbsure_gene_names, collapse = '+')
fml <- as.formula(paste0('mysurv~', multi_var))
# 进行多因素分析
Multi_cox <- coxph(fml, data=exprSet)
# 汇总多因素分析结果
Multi_sum <- summary(Multi_cox)
# 提取多因素结果
Multi_name <- as.character(sign_rbsure_gene_names)
MHR <- round(Multi_sum$coefficients[,2],2)
MPValue <- round(Multi_sum$coefficients[,5],3)
MCIL <- round(Multi_sum$conf.int[,3],2)
MCIU <- round(Multi_sum$conf.int[,4],2)
MCI <- paste0(MCIL,'-', MCIU)
Multi_cox <- data.frame('Characteristics' = Multi_name,
'Hazard Ratio' = MHR,
'CI95' = MCI,
'P value' = MPValue)整理的结果如下：
> Multi_cox
Call:
coxph(formula = fml, data = exprSet)
coef exp(coef) se(coef) z p
AC092614.2 0.005050 1.005062 0.010289 0.49 0.624
RP11_415F23.3 -0.032513 0.968010 0.015284 -2.13 0.033
RP11_395A13.2 0.002274 1.002277 0.002631 0.86 0.387
RP11_404F10.2 -0.002062 0.997940 0.019779 -0.10 0.917
DBH_AS1 0.000442 1.000442 0.001311 0.34 0.736
AC005592.2 0.004510 1.004520 0.004267 1.06 0.290
LINC00158 -0.051094 0.950190 0.023862 -2.14 0.032
LINC00539 0.005989 1.006007 0.008343 0.72 0.473
STARD4_AS1 0.000995 1.000995 0.000959 1.04 0.299
RP11_75L1.1 -0.038611 0.962125 0.070396 -0.55 0.583
RP11_261C10.5 0.005029 1.005041 0.022465 0.22 0.823
RP11_753H16.5 0.019222 1.019408 0.012940 1.49 0.137
RP11_109E24.1 0.017265 1.017415 0.018898 0.91 0.361
RP11_98D18.1 0.073071 1.075807 0.045015 1.62 0.105
RP11_731C17.2 -0.001641 0.998360 0.001763 -0.93 0.352
AC004540.4 0.001276 1.001277 0.000533 2.40 0.017
RP11_621L6.3 -0.020183 0.980019 0.019411 -1.04 0.298
RP5_1077I2.3 0.089182 1.093279 0.055620 1.60 0.109
RBAKDN 0.024500 1.024803 0.010308 2.38 0.017
AF064858.10 0.005476 1.005491 0.009242 0.59 0.554
AJ003147.8 -0.020868 0.979349 0.016359 -1.28 0.202
RP11_12M5.4 0.050433 1.051726 0.020112 2.51 0.012
RP11_1096G20.5 -0.058238 0.943425 0.037636 -1.55 0.122
RP11_33N14.5 -0.046164 0.954885 0.026503 -1.74 0.082
Likelihood ratio test=116.3 on 24 df, p=4e-14
n= 304, number of events= 60以上就是关于“怎么对TCGA数据进行多因素生存分析”这篇文章的内容，相信大家都有了一定的了解，希望小编分享的内容对大家有帮助，若想了解更多相关的知识内容，请关注亿速云行业资讯频道。
亿速云「云服务器」，即开即用、新一代英特尔至强铂金CPU、三副本存储NVMe SSD云盘，价格低至29元/月。点击查看>>
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
