?

內容如下：

1.外泌體和肝癌TCGA數據下載

2.數據格式整理

3.差異表達基因篩選

4.預后相關外泌體基因確定

5.拷貝數變異及突變圖譜

6.外泌體基因功能注釋

7.LASSO回歸篩選外泌體預后模型

8.預后模型驗證

9.預后模型魯棒性分析

10.獨立預后因素分析及與臨床的相關性分析

11.列線圖，ROC曲線，校準曲線，DCA曲線

12.外部數據集驗證

13.外泌體模型與免疫的關系

14.外泌體模型與單細胞測序

###########################?4.預后相關外泌體基因確定 ############################

下面進行批量單因素cox回歸分析。

使用上一節的數據，代碼如下：

setwd("C:\\Users\\ASUS\\Desktop\\自噬")
## install.package("pheatmap")
dir()
data <- read.csv("LIHC_clinical_mRNA_expression_data.csv",header = T,sep = ",")
data[1:5,1:5]rownames(data) <- data$sampleID
data <- data[,-1]
data[1:5,1:5]
pFilter=1names(data)[1:2] <- c("futime","fustat")
head(data)
dim(data)
data[1:5,1:5]
rt <- data
anyNA(data)
data <- na.omit(data)
outTab=data.frame()
sigGenes=c("futime","fustat")
dim(data)
head(data)
library(survival)
for(i in colnames(rt[,3:ncol(rt)])){cox <- coxph(Surv(futime, fustat) ~ rt[,i], data = rt)coxSummary = summary(cox)coxP=coxSummary$coefficients[,"Pr(>|z|)"]if(coxP<pFilter){sigGenes=c(sigGenes,i)outTab=rbind(outTab,cbind(id=i,HR=coxSummary$conf.int[,"exp(coef)"],HR.95L=coxSummary$conf.int[,"lower .95"],HR.95H=coxSummary$conf.int[,"upper .95"],pvalue=coxSummary$coefficients[,"Pr(>|z|)"]))}
}outTab
write.table(outTab,file="uniCox_LTPM.txt",sep="\t",row.names=F,quote=F)
uniSigExp=rt[,sigGenes]
uniSigExp=cbind(id=row.names(uniSigExp),uniSigExp)
write.table(uniSigExp,file="uniSigExp_LTPM.txt",sep="\t",row.names=F,quote=F)

從數據中可以看到，和預后有關的基因有35個。

下一節繪制森林圖。?