对READ患者的预后状态进行一定的预测
更新日期:2021-05-10     浏览次数:168
核心提示:2.4构建和验证风险预后模型基于单因素Cox筛选结果,采用Lasso回归分析进一步筛选免疫相关的预后基因(图4A和4B)。随后,采用多因素Cox分析,构建了包含

2.4构建和验证风险预后模型

基于单因素Cox筛选结果,采用Lasso回归分析进一步筛选免疫相关的预后基因(图4A和4B)。随后,采用多因素Cox分析,构建了包含8个免疫相关基因的多基因风险预后模型(图4C)。根据模型公式分别计算训练集和验证集的READ患者的风险评分,风险评分=0.12×COLEC12表达值+0.01×MMP9表达值+0.04×CSRP1表达值+0.05×IRF7表达值+0.23×CALCA表达+0.02×IL23A-0.20×IL27RA表达值+0.69×MC1R表达值。将风险评分中位值作为阈值,把训练集和验证集的患者分为高风险组和低风险组。采用R语言,首先分析了训练集的风险曲线,生存状态以及8个免疫相关基因的表达热图(图5A),结果表明随着风险值的增加,患者的生存率降低。生存分析结果表明高风险组患者的生存时间比低风险组患者短(图5B)。利用时间依赖性ROC曲线评估该模型的特异性和准确性,该风险模型1年,2年和3年的AUC值分别为0.890,0.882,0.828(图5C)。同时,我们在验证集中进一步验证了该模型的准确性和特异性。在验证集中,我们获得了与训练集相似的结果。