【警告⚠ 这两天笔记乱糟糟的，还没来的及好好整理，不要看不要看没啥好看的】
写在前面：本文为微信公众号:生信星球的数据挖掘线上班的随堂笔记，感谢小洁老师的付出！
- 样本ID长，病人ID短
前12位为病人ID
- 根据表达矩阵，差异基因能做的：PCA/热图/韦恩图
1. 数据下载：TCGAbiolinks。
- 非官方，较便捷。
-
all()#全为T则为T，否则为Fany()#有一个为T则为T，全为F才为F
模型评估
-
C-index和ROC取值【0.5-1】，越大越好
-KM对数据更宽容
KM生存分析公式
COX回归分析风险比率 - 注意meta矩阵的数值内容可能是character，需要去除NA并转换。
lasson回归
-找到关键基因用于建模
-需要表达矩阵【仅含有tumor样本】和meta信息【包含生死信息】，并确保顺序一致identical(str_sub(colnames(exprSet),1,12),meta$ID) == TRUE
- 输入数据是x=表达矩阵取log，y=mata$event（生死）
- 结果：Df为自由度，%Dev解释残差的百分比（越大越好，但多意味着基因数目多），Lambda是建模参数
- 算出lambda.min（取值最小）和lambda.1se(取用基因最少)，分别预测
- 越接近0的预测值为认为倾向于存活，接近于1的预测值认为倾向于死亡。
ROC曲线
- 需计算AUC值，0.5-1，越接近于1越好
取小数函数：round(小数，几)#取几位小数
切割数据模型
- 适用于只有一组数据的情况，把数据分成两份。需要用到专门的函数caret
随机森林
- 找到对生存影响最大的基因？
-取名时不能用-，会被识别为减号，可以用_替代。 - 变异数据mutect软件 /瀑布图（检测）
- 通过gdc下载下来是一个.maf.gz文件，解压后是一个文件夹，读入时需要完整路径。/还需要下载临床数据
- 载入tsv文件可以用read.delim/read.table(路径)
signature
- B = B[,match（A列）)#把B的列按照A的列排序
- A = A[Ab]#提取A的a列中在B的b列中存在的所有行
魅力ggbetweenstats
- 任意基因（mRNA）在任意分组中的表达量对比
- 输入表达矩阵
- 任意两个基因的相关性（两个基因的表达量）