爾云間? 一個(gè)專門做科研的團(tuán)隊(duì)

原創(chuàng)?小果?生信果?

小云今天接觸到了非癌癥的分析，癌癥分析有癌癥分析的方法，非癌癥也有非癌癥的分析方法，小云找了個(gè)代碼，可以做非癌癥的單因素分析，我們一起來看看吧。

代碼如下：

data=read.table("D:/非酒精脂肪肝與肝癌/診斷模型/單因素.txt",header = T,row.names = 1,sep "\t") #讀取數(shù)據(jù)

#這里說一下讀取的數(shù)據(jù)，第一列為樣本名，第二列為分組，一般是二分組，也就是患病與正常。后面的各列就是各基因的表達(dá)量

View(data) #查看數(shù)據(jù)

library(gtsummary) #啟動(dòng)程序包

glm1<- glm(group==1~UBE2T,

? ? ? ? ? ? family = binomial,

? ? ? ? ? ? data = data)

res<-tbl_regression(glm1,?

? ? ? ? ? ? ? ? ? ? ?exponentiate=T)

#先來計(jì)算一個(gè)基因試一下

Res

#查看結(jié)果

?

#這就是結(jié)果了，我們可以看到，這里的P值是0.005，說明這個(gè)基因和我們的分組是密切相關(guān)的，OR就是風(fēng)險(xiǎn)率，這里的風(fēng)險(xiǎn)率是4.34，而范圍是1.59-12.6.

Uni_glm_model=function(x){ #寫循環(huán)函數(shù)

? FML=as.formula(paste0("group==1~",x)) #構(gòu)筑分析

? glm1<- glm(FML,family = binomial,data = data) #單因素分析

? glm2=summary(glm1) #處理分析結(jié)果

? OR=round(exp(coef(glm1)),2) #提取風(fēng)險(xiǎn)率

? SE=glm2$coefficients[,2]

? CI5=round(exp(coef(glm1)-1.96*SE),2) #計(jì)算風(fēng)險(xiǎn)率范圍

? CI95=round(exp(coef(glm1)+1.96*SE),2)

? CI=paste0(CI5,"-",CI95)

? P=round(glm2$coefficients[,4],4) #提取P值，保留4位小數(shù)

? Uni_glm_model <- data.frame("characteristics"=x,

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? "OR"=OR,

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? "CI"=CI,

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? "p"=P)[-1,]

? return(Uni_glm_model)

}

variable.names=colnames(data)[c(2:26)] #把要分析的基因放進(jìn)去

Uni_glm=lapply(variable.names,Uni_glm_model) #應(yīng)用函數(shù)

library(plyr) #啟動(dòng)程序包

Uni_glm=ldply(Uni_glm,data.frame) #整理成數(shù)據(jù)框

?

最后得到的結(jié)果就是這樣的，有了這些數(shù)據(jù)，我們就可以去畫森林圖了。

好了，小伙伴們，今天的主要內(nèi)容就是這些了，小云覺得這個(gè)分析方法還是挺實(shí)用的，小伙伴們有什么需要分享和討論的都可以來找小云啊，小云非常高興和大家交流。