1.下载数据
2. 匹配基因
3. 基因去重复
4.匹配临床数据
5.批量cox回归分析
6.差异表达基因筛选
7.取交集,选出预后相关的差异表达基因
8.森林图绘制
9.lasso回归进一步排除具有共线性的基因
10.验证集验证,数据合并验证
11.多因素cox回归建模
12.列线图
13.矫正曲线
14.ROC曲线分析
上次我们绘制了列线图,下面我们来绘制校准曲线:
什么是校准曲线呢?校准曲线 calibration curve即是在规定条件下,表示被测量值与仪器仪表实际测得值之间关系的曲线。
校准曲线越贴近对角线,说明模型拟合的越好。
下面我们先把上次列线图的一套代码先运行了,然后开始绘制校准曲线:
setwd("D:\\自噬临床模型预测\\自噬相关基因临床模型预测\\多因素cox回归")data <- read.csv("Unicox模型.csv",header = T,sep = ",")head(data)library(coin)cox <- coxph(Surv(OS.time,OS)~data$risk.score+data$Age+
R语言与临床模型预测——LASSO回归 单因素多因素cox 差异表达分析 Venn图 森林图 列线图 矫正曲线 ROC全套代码及解析——第十三部分 校准曲线 本专栏可免费答疑
如果觉得《R语言与临床模型预测——LASSO回归 单因素多因素cox 差异表达分析 Venn图 森林图》对你有帮助,请点赞、收藏,并留下你的观点哦!