主要观点总结
文章介绍了预后模型在生信研究领域的地位和作用，特别针对肿瘤预后模型进行了详细阐述。文章指出肿瘤预后模型用于预测疾病预后好坏，其构建过程包括找预后因子、筛预后因子、预后因子组合、模型判断和价值意义等步骤。文章还提到通过基因数据挖掘寻找预后因子，并从数据类型、数据来源和数据分析流程等方面进行了说明。最后，文章推荐新手从肿瘤预后数据挖掘入门课开始学习，了解肿瘤预后模型的相关内容。
关键观点总结
关键观点1: 预后模型在生信研究中的重要性。
文章强调预后模型是生信研究领域的经典研究方法，用于预测疾病预后好坏，具有广泛应用价值。
关键观点2: 肿瘤预后模型的构建步骤。
文章详细阐述了肿瘤预后模型的构建过程，包括找预后因子、筛预后因子、预后因子组合、模型判断和价值意义等关键步骤。
关键观点3: 基因数据挖掘在寻找预后因子中的应用。
文章指出基因数据挖掘是寻找预后因子的有效方法，可以从大量基因表达数据中挖掘出更多丰富的基因层面预后因子。
关键观点4: 数据类型、数据来源和数据分析流程。
文章介绍了进行肿瘤预后研究所需的数据类型、数据来源以及数据分析流程，包括使用免费数据库如Gene Expression Omnibus (GEO)等。
关键观点5: 推荐学习资源。
文章推荐新手从肿瘤预后数据挖掘入门课开始学习，了解肿瘤预后模型的相关内容，提供相关学习资源链接。
文章预览
预后模型，绝对是生信研究领域的「定海神针」，永不过时的经典套路！ 预后模型 就是用来预测疾病预后好坏的经典研究方法，预后结局有很多， 如好转、痊愈、复发、恶化、伤残、并发症和死亡 等。 肿瘤因为致死率高，因此关于各种肿瘤预后的研究一直以来都是高分期刊的宠儿！预后模型的构建可分为 5 步： 「找预后因子→筛预后因子→预后因子组合→模型判断→价值意义」 。 而这个「预后因子」完全可以通过基因数据挖掘来找，因为比起常规的预后因子，基因层面的预后因子更多更丰富！ 数据类型： 各类肿瘤组织的 DNA 、RNA 测序数据 数据来源：广泛、到处都能挖 最出名的就是 Gene Expression Omnibus (GEO) 数据库，这是目前全世界范围内最大的免费公共数据库，存储了大量的高通量基因表达数据。还有像 TCGA、EMBL-EBI、NGDC 等数据库，也储存了
………………………………
