机器学习+血管生成相关gene signature，工作量满满的IF=5.6生信文章学习

文章预览

关注公众号，发送 R语言 或 python ，可获取资料 💡专注R语言在🩺生物医学中的使用 设为“ 星标 ”，精彩不错过 今天给大家介绍一篇生信分析的文章，这篇文章是一篇比较典型的生信数据挖掘类的文章，大部分内容都是代码操作，并且常见的方法都用到了，工作量也不小，这里面也用到了临床预测模型（也可以说是机器学习）的知识，但是只占全文内容的一部分。 这样的文章曾经是发文爆款，目前加点湿实验也是很容易发，可谓是经久不衰了，大家可以认真学习一下作者的思路。 分子筛选 单因素cox分析筛选基因，分别从TCGA和ICGC筛出了3010和917个，然后和血管生成相关的基因取交集，剩下32个既有生存意义又是血管生成相关的基因。 lasso回归再筛一遍，多因素cox再筛一遍，最终得到14个基因。这14个基因组成一个gene-signature，就叫：14 angiogenesis-rel ………………………………