對于每個GeneSet，我們使用里面的基因建立生存期的預測模型，包含以下分析內容：

1）訓練集與測試集

TCGA數據病人按照7:3隨機分成訓練集（training data）和測試集（testing data）。訓練集用于預測模型的參數訓練和相關基因集的選擇，測試集用于檢驗訓練集給出的參數和基因集的預測能力。整個建模分為以下幾步：

1.只用訓練集的數據，每個基因進行單元cox回歸，初步篩選相關基因；       

2.所有單元cox顯著的基因，進行1000次LASSO運算，得到每個基因的出現頻率，并排序；       

3.按照以上排序，遞增構建基因集，每個基因集進行多元cox回歸，求得每個基因的貢獻度；       

4.獲得**基因集合，再計算一次多元cox回歸，確定每個基因的回歸系數；       

5.以上回歸系數計算每個病人的死亡風險指數；       

6.該死亡風險指數模型在訓練集中測試（預測情況與實際情況比較）；     

7.同一模型在起初獨立出的測試集里面進行測試（預測情況與實際情況比較）。

2）、機器學習（Lasso）構建**多元COX模型

       在統計學和機器學習中，Lasso算法（英語：least absoluteshrinkage and selection operator，又譯最小絕對值收斂和選擇算子、套索算法）是一種同時進行特征選擇和正則化（數學）的回歸分析方法，旨在增強統計模型的預測準確性和可解釋性。Lasso是一種采用了L1正則化（L1-regularization)的線性回歸方法，采用了L1正則會使得部分學習到的特征權值為0，從而達到稀疏化和選擇變量、構建**模型的目的。        LASSO 回歸的特點是在擬合廣義線性模型的同時進行變量篩選（variable selection）和復雜度調整（regularization）。因此，不論目標因變量（dependent/responsevaraible）是連續的（continuous），還是二元或者多元離散的（discrete），都可以用 LASSO 回歸建模然后預測。這里的變量篩選是指不把所有的變量都放入模型中進行擬合，而是有選擇的把變量放入模型從而得到更好的性能參數。

3）、基因panel的風險指數分析

       對上述得到的基因Panel，我們根據表達情況和多元回歸系數，對每一個樣本計算了風險指數（Risk Score)。公式如下：

xi代表各個基因Panel中基因的表達量，βi為每個基因對應的多元COX回歸beta值（multi_beta）。       

樣本依據風險指數以中位數為界分為高指數組與低指數組，進行Kaplan-Meier生存分析，繪制生存曲線。       

同時基于風險指數，繪制了一年、三年、五年生存期的ROC曲線。

結果：

風險模型的系數：

訓練集和測試集的ROC曲線評估模型準確性：

高低風險組的生存曲線比較：

病人的風險指數打分表：

以及高低風險組的臨床信息統計，同上，存放在ClinicHeatmap\RiskModel和ClinicCompare\RiskModel中：