分析目的

構建合適的機器學習模型，對樣本是否為疾病樣本進行預測，或預測腫瘤病人的預后信息。

數據來源

轉錄組、拷貝數變異數據、甲基化數據、轉錄調控數據等多組學數據。

分析方法

將多個組學數據的公共數據集隨機劃分為訓練集和測試集，在訓練集上綜合考慮預后相關的多組學基因特征，訓練基于隨機森林、邏輯回歸等算法的疾病診斷模型或預后風險評估模型。用 ROC曲線和AUC值做模型的評估。對于預后風險評估模型，我們根據訓練好的風險模型計算測試集中的每個樣本的Risk score，做K-M生存分析，檢查是否有統計上的差異性。

分析內容

（1）訓練集與測試集的隨機劃分結果

（2）隨機森林、邏輯回歸模型的具體參數

（3）測試集每一個樣本的風險分值以及高風險/低風險分組

（4）模型重要性排序圖；模型評估結果：KM 生存曲線以及 ROC 曲線圖

分析結果示例圖