《表2 用于构建预后模型的AS预后特征》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于加权网络的卵巢癌可变剪接预后特征分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

根据卵巢癌预后加权网络中节点的度对网络节点进行排序，选择排名前20的AS事件作为可变剪接的预后特征（表2），并运用Cox回归模型建立预后预测模型。预后模型的预后指数由20个预后特征的表达值和Cox回归分析得出的回归系数线性组合构建。根据公式（8）计算每个患者的预后指数，并将患者根据预后指数的中位数分为高风险组和低风险组。图3A的Kaplan-Meier生存曲线显示，高风险组的患者生存率明显低于低风险组（logrank P<0.000 1），表明预后特征能够显著区分不同预后的患者。同时，为了评估模型的灵敏度和特异性，我们进行了时间依赖性ROC曲线分析，结果如图3B所示，预后模型的AUC值为0.767。用此模型对TCGA中的16个样本进行测试，测试集的AUC值为0.785，显示了模型良好的预测性能。