（1）40 个组蛋白乙酰化相关调节剂：PMID: 35252174
（2）97 个基因的入侵相关基因集：PMID: 35292033
（3）HGSOC的定量蛋白质组数据和临床信息来自CPTAC数据门户（https://cptac-data-portal.georgetown.edu/studies/filters/primary_site:Ovary）
（4）从 NCBI-Gene 和 MSigDB 数据库中检索到的 1,960 个 ARG 列表，关键字为“血管生成”。
使用R包“ggpubr”分析ARG风险评分与突变负荷、同源重组缺陷（HRD）、新抗原负荷和染色体不稳定性、干性指数（mRNAsi）等各项指标之间的相关性。
突变负荷是使用 R 包“maftools”计算的。同源重组缺陷（HRD）和新抗原负荷和染色体不稳定性的数据来自文章的附录（PMID：29617664）。
使用来自 Tathiane M.Malta 的评估算法基于表达谱评估干性指数 (mRNAsi)。然后，通过CIBERSORT 算法 ( https://cibersort.stanford.edu/ ) 分析 Xene-OC 样本中 22 个肿瘤浸润免疫细胞 (TIIC) 的比例）
国际癌症基因组联盟 (ICGC) 数据门户 ( https://icgc.org/ ) 的另一个 OC 数据集)作为外部验证数据库获得，包括111个肿瘤样本。
（6）训练集合并多个数据集的原因解释：PMID: 35057823
（7）以每千碱基的片段数 (FPKM) 为单位的 RNA-seq 谱被处理成每百万个 log2 转换的转录本 (TPM)。PMID: 35281472
countToTpm<-function(counts,effLen)
{
rate<-log(counts)-log(effLen)
denom<-log(sum(exp(rate)))exp(rate-denom+log(1e6))
}
countToFpkm<-function(counts,effLen)
{
N<-sum(counts)exp(log(counts)+log(1e9)-log(effLen)-log(N))
}
fpkmToTpm<-function(fpkm)
{
exp(log(fpkm)-log(sum(fpkm))+log(1e6))
}
tpms<-apply(expMatrix,2,fpkmToTpm) ##FPKM值转换成TPM值
countToEffCounts<-function(counts,len,effLen)
{
counts*(len/effLen)
}
从分子特征数据库（MSigDB，http ://www.gsea-msigdb.org/gsea/msigdb/）下载了总共 636 个糖基化相关（GR）基因
最佳截止阈值：中值；由“survminer”包确定
res.cut <- surv_cutpoint(Sur_train, #数据集
time = "OS.time",#生存时间
event = "OS",#生存状态
variables = c("riskScore"))#需要计算的连续型数据列名
summary(res.cut)#查看数据最佳截断点及统计量
（8）卵巢癌干细胞具有独特的遗传特征，使它们能够复制原始肿瘤通过化疗增殖并促进复发的能力。卵巢癌的异质性与肿瘤干细胞密切相关。干性标记和生存-相关标志物，探索卵巢癌干细胞群，并提供潜在的治疗建议。PMID: 35360863
2.2 分析卵巢癌 mRNAsi
OCLR 方法用于计算每个样本的 mRNAsi，并结合 UCSC Xena 中的大量 RNA-Seq 样本。分析mRNAsi与各种临床特征之间的关系，得到干性相关低存活样本，用于获取干性相关关键基因中的干性相关关键基因。
2.2.1 计算卵巢癌的mRNAsi
对于卵巢癌样本的mRNAsi，使用一类线性回归（OCLR）算法结合祖细胞生物学联盟（PCBC）（https://www.synapse.org）提供的人类干细胞数据进行训练，然后量化我们卵巢癌样本的 mRNAsi（图 1B）。用mRNAsi(0-1)评价卵巢癌细胞的mRNAsi，值越接近1，癌细胞的干性越强。
（9）训练集选择好后一定要先观察Label信息，筛选一定量的样本，TCGA样本可借助（sangerbox）。验证集可以平台为单位，整理这个平台所有数据集合并，增加样本量，结果也更可靠。PMID: 30594555、PMID: 33680950