一起看文獻(xiàn)吧-菜鳥團(tuán)一周文獻(xiàn)推薦(No.1)

文章題目

響應(yīng)老大生信菜鳥團(tuán)推文:一起來看文獻(xiàn)吧!

菜鳥團(tuán)一周文獻(xiàn)推薦(No.1)

本次閱讀文獻(xiàn)題目: Five-DNA methylation signature act as anovel prognostic biomarker in patientswith ovarian serous cystadenocarcinoma.

生詞

hypermethylation 高甲基化

hypomethylation 低甲基化

目的

The potential clinical significance of methyla-tion biomarkers serving as molecular prognostic markerswas examined using Kaplan–Meier method and receiveroperating characteristic (ROC) analysis.

結(jié)果

結(jié)果一

Identification of DNA methylation markers associatedwith the OS of patients in the training dataset

單因素cox回歸:找到 1630 DNA methylation sites (P< 0.05)

多因素cox回歸:找到5個甲基化味道 (cg05254747, cg13652336,cg25123470, cg06038133, and cg04907664)

這5個被認(rèn)為是預(yù)測病人生存期的最佳標(biāo)記闽铐。

同時文章有下面一段描述疏橄,是關(guān)于risk score的

image-20200126224703955

在《基于TCGA數(shù)據(jù)庫篩選乳腺癌不良預(yù)后相關(guān)mi+RNAs及風(fēng)險評估》也看到過占拍,描述如下:

我們使用R,使用Survival程序包的Predict函數(shù)捎迫,根據(jù)公式風(fēng)險評分 =h0(t)(Exp miRNA1* βmiRNA1+...... +ExpmiRNAn*βmiRNAn)計算出每位患者的風(fēng)險評分晃酒,以 風(fēng)險評分的中位值將患者分為兩組,大于中位值的患者為高風(fēng)險組窄绒,小于或等于中位值的患者為低風(fēng) 險組贝次。

計算如下圖:存活風(fēng)險評分(SRS)

image-20200126225124074

現(xiàn)在我的疑問是這個值是哪來的,應(yīng)該就是Survival程序包的Predict函數(shù)得來的彰导,需要后面碰到再繼續(xù)浊闪。

關(guān)于單因素和多因素cox回歸恼布,如下描述

image-20200126225502369

好了,下面這個就讓我明白了搁宾,那么就是這個AUC到底是什么作用了,不是從萬千叢中挑選了幾只嘛倔幼,那么是根據(jù)什么挑選的呢盖腿?下面是Materials and methods的描述:

Subsequently, AUC wasused to measure and compare the model performance;the model with a higher predictive performance was eventually selected out. The model could be used to construct a risk score formula that would be helpful topredict survival. The prognostic risk scores for each pa-tient were calculated based on this formula. According to their prognostic risk scores, these patients were ranked and further separated into“l(fā)ow-risk”and“high--risk”groups using the median risk score as the cutoff point. Patients with risk score higher than the medianrisk score were assigned to the high-risk group, whereas patients with lower risk were assigned to the low-risk group. After that, the Kaplan–Meier estimator, a non-parametric statistic, with log-rank test (Mantel–Cox)was used to calculate the cumulative survival time and compare the differences in OS between the two groups.Kaplan–Meier curves were drawn using the“survival”package.

總結(jié)上面就是,根據(jù)AUC的值來選擇模型损同,哪些基因組成的AUC值最高翩腐,那些基因組成的那個模型就是最好的。然后用這個模型膏燃。然后對這個模型進(jìn)行一個風(fēng)險評分茂卦。接下來根據(jù)預(yù)后分險評分,用median risk score將病人分為高低風(fēng)險組组哩。接下來用Kaplan–Meier(“survival”包)來對剛剛分出來的高低風(fēng)險組進(jìn)行一個生存分析的預(yù)測等龙,從而來判斷這個模型是否合格。

結(jié)果二

Association between five-DNA methylation signature andpatient OS in the training and validation datasets

上面的cox回歸伶贰,通過Hazard ratios (HRs)可以說明這個five-DNA methylation與病人生存相關(guān)蛛砰。

Hazard ratios (HRs) from the Cox regression analysis indi-cated that the five-DNA methylation signature was signifi-cantly associated with the OS of patients (P<0.001, HR2.72, 95% CI 2.03–3.65).

用 Kaplan–Meier analysis 來評價這個新建立的five-DNA methylation的效能

The Kaplan–Meier analysis wasperformed in the training and validation datasets to deter-mine the potential predictive value of this five-DNA methylation signature in the prognosis.

image-20200126232612411
image-20200126232721625
image-20200126232821675
image-20200126231520041

上面的截圖說明這個five-DNA methylation could distinguish high-risk patients fromlow-risk patients, implying its significance in theprognostic prediction of OSC.

同時,高低風(fēng)險組的這個5個甲基化位點的高低也進(jìn)行了分析:

high-risk patients exhibited signifi-cantly lower methylation levels for cg05254747 andcg04907664 and significantly higher methylation levelsfor the other three methylation sites in both training

結(jié)果三

Evaluation of the predictive performance of the five-DNA methylation signature using ROC analysis

利用ROC分析評估five-DNA methylation特征在預(yù)測生存中的敏感性和特異性黍衙,進(jìn)一步評估評估數(shù)據(jù)集中five-DNA methylation特征的預(yù)測準(zhǔn)確性泥畅。five-DNA methylation 特征的AUC為0.715 (P< 0.001, 95% CI 0.62-0.81)(圖2),表明five-DNA methylation具有較高的敏感性和特異性琅翻。因此位仁,該方法可用于預(yù)測OSC患者的預(yù)后生存期,具有較高的準(zhǔn)確性方椎,在臨床應(yīng)用中可能具有重要的意義聂抢。

image-20200126232103264

結(jié)果四

Predictive performance of the five-DNA methylationsignature based on different regrouping methods

由于預(yù)后相關(guān)因素有很多,比如 age, stag, histologicgrade, and size of residual tumor after cytoreductivesurgery, and the reproducibility was poor in the prog-nostic markers identified by different groups等辩尊。

作者用三個年齡段(小于50涛浙、51-60、大于61)的高低風(fēng)險組摄欲,來看生存時間轿亮,并且給出了ROC曲線,也就可以看到AUC值胸墙。三個年齡段的高低風(fēng)險組我注,均具有顯著差異,下面只展示第一張結(jié)果圖迟隅。

image-20200126233106653
image-20200126233223120

接下來 作者把其他與生存相關(guān)的臨床信息進(jìn)行了以表格形式的展示但骨,來證明他們這個ive-DNA methylation的棒棒励七!

image-20200126233402049

結(jié)果五

Comparison of the five-DNA methylation signature withother known prognostic biomarkers

將本文中的five-DNA methylation與其他文章研究中biomarker進(jìn)行比較,得到下面的圖奔缠,同樣是通過AUC值的高低來判斷誰最棒掠抬,可見five-DNA methylation是最棒的。

image-20200126233657629

總結(jié)

通過結(jié)果可以了解作者這篇生存分析的思路校哎,是我最大的收獲两波!

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市闷哆,隨后出現(xiàn)的幾起案子腰奋,更是在濱河造成了極大的恐慌,老刑警劉巖抱怔,帶你破解...
    沈念sama閱讀 216,372評論 6 498
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件劣坊,死亡現(xiàn)場離奇詭異,居然都是意外死亡屈留,警方通過查閱死者的電腦和手機(jī)局冰,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,368評論 3 392
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來绕沈,“玉大人锐想,你說我怎么就攤上這事≌Ш” “怎么了赠摇?”我有些...
    開封第一講書人閱讀 162,415評論 0 353
  • 文/不壞的土叔 我叫張陵,是天一觀的道長浅蚪。 經(jīng)常有香客問我藕帜,道長,這世上最難降的妖魔是什么惜傲? 我笑而不...
    開封第一講書人閱讀 58,157評論 1 292
  • 正文 為了忘掉前任洽故,我火速辦了婚禮,結(jié)果婚禮上盗誊,老公的妹妹穿的比我還像新娘时甚。我一直安慰自己,他們只是感情好哈踱,可當(dāng)我...
    茶點故事閱讀 67,171評論 6 388
  • 文/花漫 我一把揭開白布荒适。 她就那樣靜靜地躺著,像睡著了一般开镣。 火紅的嫁衣襯著肌膚如雪刀诬。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,125評論 1 297
  • 那天邪财,我揣著相機(jī)與錄音陕壹,去河邊找鬼质欲。 笑死,一個胖子當(dāng)著我的面吹牛糠馆,可吹牛的內(nèi)容都是我干的嘶伟。 我是一名探鬼主播,決...
    沈念sama閱讀 40,028評論 3 417
  • 文/蒼蘭香墨 我猛地睜開眼又碌,長吁一口氣:“原來是場噩夢啊……” “哼奋早!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起赠橙,我...
    開封第一講書人閱讀 38,887評論 0 274
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎愤炸,沒想到半個月后期揪,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,310評論 1 310
  • 正文 獨居荒郊野嶺守林人離奇死亡规个,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,533評論 2 332
  • 正文 我和宋清朗相戀三年凤薛,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片诞仓。...
    茶點故事閱讀 39,690評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡缤苫,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出墅拭,到底是詐尸還是另有隱情活玲,我是刑警寧澤,帶...
    沈念sama閱讀 35,411評論 5 343
  • 正文 年R本政府宣布谍婉,位于F島的核電站舒憾,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏穗熬。R本人自食惡果不足惜镀迂,卻給世界環(huán)境...
    茶點故事閱讀 41,004評論 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望唤蔗。 院中可真熱鬧探遵,春花似錦、人聲如沸妓柜。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,659評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽领虹。三九已至规哪,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間塌衰,已是汗流浹背诉稍。 一陣腳步聲響...
    開封第一講書人閱讀 32,812評論 1 268
  • 我被黑心中介騙來泰國打工蝠嘉, 沒想到剛下飛機(jī)就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人杯巨。 一個月前我還...
    沈念sama閱讀 47,693評論 2 368
  • 正文 我出身青樓蚤告,卻偏偏與公主長得像,于是被迫代替她去往敵國和親服爷。 傳聞我的和親對象是個殘疾皇子杜恰,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 44,577評論 2 353

推薦閱讀更多精彩內(nèi)容