《表2 用于构建预后模型的AS预后特征》
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。
图表编号 | XD00123087200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.31 |
作者 | 顾云婧、潘以红、朱东月、朱平 |
绘制单位 | 江南大学理学院、江南大学理学院、江南大学理学院、江南大学理学院 |
更多格式 | 高清、无水印(增值服务) |