目前R中用于构建LASSO模型的包主要是glmnet，当我们确定λ后，该如何画列线图、森林图等常规COXPH回归常用的可视化方法呢？Memo_Cleon指出可以提取lasso的回归系数然后替换常规回归模型的系数。 导出lasso系数1234567lasso <- glmnet(x = x, y = y, family = 'cox', alpha = 1)set.seed

获得一个好看的配色可以通过一些专业配色的网站，比如chinavid，或者从ggsci包里挑选。颜色选好了，如果是ggsci包的话好办，直接scale_color_xxx或scale_fill_xxx就行，但是自己选的配色要怎么调呢？ 对于二色梯度，可以使用scale_colour_gradient和scale_fill_gradient 对于三色梯度，可以使用scale_colour_gradi

安装补充包 conda activate ggsurvplot install.packages(‘survIDINRI’) 构建两个COXPH模型准备数据123456789101112131415library(survival)library(car)library(rms)library(pROC)library(timeROC)library(ggDCA)library(surviv

安装补充包 conda activate ggsurvplot # conda install -c conda-forge r-pec -y conda install -c conda-forge r-survivalroc -y # conda install -c conda-forge r-ggsci -y # conda install -c conda-forge r-scales

返工的血泪教训，单因素COXPH做完显著是不够的，此时应该再来一次多因素COXPH，剔除那些不具有独立预后能力的变量。 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263library("survival&

建模123456789101112131415library(rms)library(survival)dat <- readRDS('../../../COXPH/data/PRAD.rds')pfg <- readRDS('../A_ref_A_fiig.3_A_B/pfg.rds')y <- Surv(round(dat$meta$p

安装补充包 conda activate ggsurvplot conda install -c conda-forge r-glmnet -y LASSO回归12345678910library(glmnet)library(survival)dat <- readRDS('../../../COXPH/data/PRAD.rds')y <- Surv(roun

123456789101112f_TCGA_gleason_grade <- function(primary_gleason_grade, secondary_gleason_grade){ primary_gleason_grade <- as.numeric(unlist(data.frame(strsplit(primary_gleason_grade, &#x

安装包 conda activate wgcna conda install -c conda-forge r-ggcorrplot -y conda install -c conda-forge r-ggsci -y # conda install -c conda-forge r-gridextra -y 颜色参考12345678library("reshape2")se

安装包 conda activate wgcna conda install -c conda-forge r-nmf -y 确定秩1234library(NMF)dat <- readRDS('PRAD.rds')res <- nmf(dat,2:7,nrun=10, seed=123)pdf(file = 'nmf_sp.pdf', wid