第一篇
目的
We aimed to identify a CpG methylation pattern for breast cancer.
数据来源
训练集：TCGA，97 healthy control samples and 786 breast cancer samples in a training cohort
测试集：GSE37754 (GEO llumina Infinium Human Methylation 450 BeadChip）n = 72
方法
1.发现 DMG
用limma包来发现 differentially methylated genes (DMGs)
image-20200129142645868
2.发现共甲基化的基因
WGCNA-Co‑methylated genes
3.预后相关基因
survival包
image-20200129144738690
image-20200129144907995
结果
1.DMG筛选
下面是火山和热图的结果
image-20200129150114373
2. WGCNA的结果
作者放在了附件中
image-20200129150630259
3.挑选DMGs
单因素cox regression挑选了123个，多因素cox regression 挑选了16个，如下图表格
image-20200129151319325
好了，关于之前的教程里面曾经疑惑过 risk score的计算过程，因为那篇文章中并没有列出如上图所示的table中的表格，所以会有疑惑。那么现在可以看到这个计算的由来。
image-20200129151402594
后面省略，就看前两个就是 Coef值。0.9271、0.5220
4.检验模型
根据上面计算得到的risk score 值，最后取一个median 值，这个median值可以将训练集和验证集的病人分成高低风险组，并且通过 ROC曲线中的 AUC来说明这个模型（含有16个甲基化位点）将病人按照高低风险组分类，（这时我的启发是我想起来之前看老大的代码，那个时候有按性别分组的，有按年龄分组的，也有按基因表达量的高低分组的；这个时候呢，是按照一个risk score来分组的，而这个median risk score值，就是根据事先筛选好的甲基化位点，然后计算一个risk score值再求个中位值来的，所以，思路就非常清晰明了了）。
image-20200129152055572
关于上面结果的疑惑：
怎么按照一个median的risk score 值，就恰好将tcga和geo上的数据，全部都正好平均等分到两组了呢？
5.进一步验证模型
结果5是我自己额外划分出的
下面这个table2 的结果文中的描述如下所示
The univariate and multivariate analysis of overall survival by clinical factors in the training is shown in Table 2.其实没啥特别的
image-20200129164942932
但是，作者根据这个表格里的内容挑选出来三项来继续说事，三项是：Age、Radiotherapy、Recurrence.
看一下生存分析的 结果
image-20200129165311292
至于为什么挑选了那三个临床性状，文章中说The stratified analysis of clinical characteristics of
<u>==age ,radiotherapy and recurrence==</u> illustrated that...后面 省略
疑惑：
1.关于stratified是分层的意思，有待后面学习到理解
2.这三个性状应该是根据table2来筛选出来的，那么这个根据怎么样的值筛选的呢？
不过关于上面图片的解说 ，单纯拿第二个性状还是看英文原文的解释吧
The patients with radiotherapy compared with the patients without radiotherapy were associated with improved overall survival (HR: 0.418, 95% CI 0.249 to 0.703; p = 6.991e–04) in patients with a high-risk score but not in patients with low-risk score (HR: 2.092, 95% CI 0.574 to 7.629; p = 0.253).
感觉回到考研时复习英语的长难句了😅，本来如果断句断道最后一个but前，我都理解了，结果又来个but 从句，不过呢，这么简洁的表达还是要给他拿下的，值得借鉴。
再把截图放一下
image-20200129173535391
长难句也不难，结合图来看
翻译：在高风险组，存在这样一种生存相关，就是经过放疗治疗的患者的生存要高于未经放疗治疗的患者，而这种情况只存在于高风险嘴，对于低风险组是不存在的。
翻译过来后再解释下，基于我自己的理解
1.怎么看 在高风险组，经过放疗治疗的患者的生存要高于未经放疗治疗的患者 ？
答：看高风险组的图，风险组看HR，小于0，说明经过放疗（红色）的患者的病死率是未经放疗（黑色）的患者的0.418倍，小于1.
关于HR要知道的是：
如 HR<1，说明该变量为保护因素，如果 HR>1，说 明该变量为危险因素
2.为什么 低风险组是不存在同高风险组一样的情况 的呢？
定位到低风险组的图，虽然HR的值是2.092，这里面的说法就与高风险组的说法相反，图中的HR描述的意思是经过放疗（红色）的患者的病死率是未经放疗（黑色）的患者的2.092倍。但是非常重要的是p=0.253，p值大于0.05，那么也就是说在低风险组，这个放疗与否不能作为影响患者生存的独立危险因素。
总结
关于这篇文章的收获是，确定了学到的，然后增加了新的理解，就是根据模型划分出高低风险组后，分别对性状进行生存分析。也有几点疑惑，应该后面会有所解决，先记录下。
疑惑：
1.怎么按照一个median的risk score 值，就恰好将tcga和geo上的数据，全部都正好平均等分到两组了呢？
2.关于stratified是分层的具体应用
3.这三个性状应该是根据table2来筛选出来的，那么这个根据怎么样的值筛选的呢？未在文章中加以说明的是因为什么去掉了呢？
网友评论