为了确定胸腺恶性肿瘤发展的主要贡献者，我们利用基因集富集分析（GSEA）、基因集变异分析（GSVA）和KEGG途径富集分析。此外，我们将转录组学研究结果与光谱代谢组学研究结合起来，通过LC-MS/MS检测，以建立胸腺瘤进展过程中代谢重编程的基本控制网络。胸腺瘤的预后与糖鞘脂生物合成-乳酸和新乳酸系列途径有关，B3GNT5高表明生存期差。糖鞘脂生物合成核心调控因子（尤以UGCG为关键）通过代谢重编程

为了在Cox模型中引入灵活性，可以应用几种平滑方法，在这种情况下，基于样条的方法是最常考虑的。为了更好地理解每个连续协变量对结果的影响，结果可以用基于样条的风险比（HR）曲线表示，以特定的协变量值为参考。尽管在生存分析中使用样条平滑方法具有潜在的优势，但目前在R软件中没有分析方法来选择多变量Cox模型（具有两个或多个非线性协变量效应）的最佳自由度。此外，该软件包还提供了在多变量Cox模型中自动选择

机器学习中生存树（Survival Tree）的原理详解 生存树是结合决策树与生存分析的机器学习模型，主要用于处理带有时间-事件数据（包含删失数据）的预测问题。示例： 在每个候选分裂点，计算左右子节点的Kaplan-Meier曲线，通过对数秩检验的p值评估差异显著性，选择p值最小的分裂点。预测输出 风险评分（Risk Score）：每个叶节点的样本具有相似的风险水平，可通过中位生存时间或累积风险函

简介背景医疗从业者使用生存模型来探索和理解患者协变量(如临床和遗传特征)与各种治疗方案有效性之间的关系。标准的生存模型，如线性Cox比例风险模型，需要广泛的特征工程或先前的医学知识来模拟个体水平上的治疗相互作用。虽然非线性生存方法，如神经网络和生存森林，可以固有地模拟这些高级交互术语，但它们尚未被证明是有效的治疗推荐系统。方法我们引入 DeepSurv，一种 Cox 比例风险深度神经网...

单细胞转录组数据可视化分析 (scater)

单细胞转录组数据可视化分析 (Seurat 4.0)

这期介绍一个基于TCGA和GTEx数据挖掘神器（GEPIA2），个人觉得如果没有编程基础的可以直接利用这个在线小工具分析自己的研究的单个基因或者多个基因，效果还是蛮好的！桓峰基因公众号推出转录组分析教程，有需要生信的老师可以联系我们！转录分析教程整理如下：RNA 1. 基因表达那些事--基于 GEORNA 2. SCI文章中基于GEO的差异表达基因之 limmaRNA 3. SCI 文章中基于T

简介神经网络是一种运算模型，由大量的节点（或称“神经元”，或“单元”）和之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。使用神经网络的动机是...

简 介利用神经网络对Cox比例风险模型进行扩展，提出了时间-事件预测的新方法。基于嵌套病例对照研究的方法，我们提出了一个损失函数，可以很好地扩展到大型数据集，并可以拟合Cox模型的比例和非比例扩展。通过仿真研究，验证了所提出的损失函数是Cox部分对数似然的良好近似。将提出的方法与现有方法在实际数据集上进行比较，发现具有很强的竞争力，通常在Brier分数和二项对数似然方面产生最佳性能。软件包安装..

点击关注，桓峰基因桓峰基因公众号推出单细胞系列教程，有需要生信分析的老师可以联系我们！单细胞系列分析教程整理如下:Topic 6. 克隆进化之 CanopyTopic 7. 克隆进化之 CardelinoTopic 8. 克隆进化之 RobustCloneSCS【1】今天开启单细胞之旅，述说单细胞测序的前世今生SCS【2】单细胞转录组 之 cellrangerSCS【3】单细胞转录组数据 G...