分析目的

构建合适的机器学习模型，对样本是否为疾病样本进行预测，或预测肿瘤病人的预后信息。

数据来源

转录组、拷贝数变异数据、甲基化数据、转录调控数据等多组学数据。

分析方法

将多个组学数据的公共数据集随机划分为训练集和测试集，在训练集上综合考虑预后相关的多组学基因特征，训练基于随机森林、逻辑回归等算法的疾病诊断模型或预后风险评估模型。用 ROC曲线和AUC值做模型的评估。对于预后风险评估模型，我们根据训练好的风险模型计算测试集中的每个样本的Risk score，做K-M生存分析，检查是否有统计上的差异性。

分析内容

（1）训练集与测试集的随机划分结果

（2）随机森林、逻辑回归模型的具体参数

（3）测试集每一个样本的风险分值以及高风险/低风险分组

（4）模型重要性排序图；模型评估结果：KM 生存曲线以及 ROC 曲线图

分析结果示例图