生信初学者教程（二十五）：验证候选特征
文章目录
-
- 介绍
- 加载R包
- 导入数据
- 函数
- 重要特征的表达
- ROC分析
- 汇总筛选结果
- 输出结果
- 总结
介绍
在成功识别出核心特征之后，为了验证这些特征的有效性和可靠性，我们在发现数据集和验证数据集上进行了进一步的评估。这一步骤旨在确保这些特征在不同数据集上的表达值具有一致性，并验证它们对区分**肝癌（HCC）**早晚期的能力。
1. 表达值一致性评估
首先，我们分析了这些核心特征在发现数据集和验证数据集上的表达值。表达值一致性评估是检查这些特征在不同数据集上的差异结果是否一致。通过对比发现数据集和验证数据集上的结果，我们可以评估这些核心特征在不同数据集间的稳定性。
2. ROC曲线评估
除了表达值一致性评估外，我们还采用了ROC曲线（Receiver Operating Characteristic Curve）来评估每个核心特征区分肝癌（HCC）早晚期的能力。ROC曲线通过绘制真正类率（True Positive Rate，TPR）与假正类率（False Positive Rate，FPR