大家好，今天我们来探索一种超级实用的生物统计学工具——
ROC曲线分析
！我们将聚焦明星基因
SERPINE1
，通过时间依赖的ROC曲线，深入挖掘该基因在
癌症预后预测
中的诊断价值。与传统的生存分析不同，ROC分析能告诉我们这个基因到底有多"准"，能否成为临床医生手中的"预后神器"。
大家好，今天我们来探索一种超级实用的生物统计学工具—— ROC曲线分析 ！我们将聚焦明星基因 SERPINE1 ，通过时间依赖的ROC曲线，深入挖掘该基因在 癌症预后预测 中的诊断价值。与传统的生存分析不同，ROC分析能告诉我们这个基因到底有多"准"，能否成为临床医生手中的"预后神器"。
本次分析基于TCGA数据库，通过简洁的R代码，带你一步步掌握时间依赖ROC曲线的绘制与解读。
1. 时间依赖ROC分析：评估SERPINE1的预测准确性
我们使用timeROC包来计算并绘制SERPINE1基因在1年、3年、5年生存期的ROC曲线，评估其作为生存预测标志物的性能。
library(survival)
library(survminer)
library(timeROC)
rt <- read.table("data/expression_futime_matrix.tsv", header = TRUE, sep = "\t", check.names = FALSE, row.names = 1)
gene <- colnames(rt)[3]
ROC_rt <- timeROC(
T = rt$futime,
delta = rt$fustat,
marker = rt[, gene],
cause = 1,
weighting = 'aalen',
times = c(1, 3, 5),
ROC = TRUE
)
png(file = "picture/1_roc_curve.png", width = 800, height = 600, res = 150)
plot(ROC_rt, time = 1, col = 'green', title = FALSE, lwd = 2)
plot(ROC_rt, time = 3, col = 'yellow', add = TRUE, lwd = 2)
plot(ROC_rt, time = 5, col = 'red', add = TRUE, lwd = 2)
legend('bottomright',
c(paste0('AUC at 1 years: ', sprintf("%.03f", ROC_rt$AUC[1])),
paste0('AUC at 3 years: ', sprintf("%.03f", ROC_rt$AUC[2])),
paste0('AUC at 5 years: ', sprintf("%.03f", ROC_rt$AUC[3]))),
col = c("green", 'yellow', 'red'), lwd = 2, bty = 'n')
dev.off()
📈 运行结果
结果解读：
从ROC曲线可以看出， SERPINE1 基因在不同时间点的预测性能呈现递增趋势：
-
1年AUC = 0.627 ：中等预测能力 -
3年AUC = 0.647 ：预测能力略有提升 -
5年AUC = 0.725 ：具有较好的长期预后预测价值
这一结果提示，SERPINE1基因在 长期生存预测 方面表现更佳，随着随访时间的延长，其作为预后标志物的价值逐渐凸显。
2. ROC性能指标详细分析
我们进一步提取各时间点的详细性能指标，包括敏感性、特异性等关键参数。
roc_data <- data.frame(
Time_Point = c("1 year", "3 years", "5 years"),
AUC = ROC_rt$AUC,
Sensitivity = c(ROC_rt$TP[1,ncol(ROC_rt$TP)], ROC_rt$TP[2,ncol(ROC_rt$TP)], ROC_rt$TP[3,ncol(ROC_rt$TP)]),
Specificity = c(1-ROC_rt$FP[1,ncol(ROC_rt$FP)], 1-ROC_rt$FP[2,ncol(ROC_rt$FP)], 1-ROC_rt$FP[3,ncol(ROC_rt$FP)])
)
write.csv(roc_data, "tables/1_roc_metrics.csv", row.names = FALSE)
📊 性能指标总览
|
|
|
|
|
|---|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
结果解读：
从性能指标表可以看出，SERPINE1基因表现出 高特异性、低敏感性 的特点，这意味着：
-
特异性接近100% ：能够很好地识别低风险患者 -
敏感性较低 ：对高风险患者的识别能力有限 -
AUC随时间递增 ：长期预后预测价值更高
总结一下
总结一下，通过本次基于TCGA数据的时间依赖ROC分析，我们全面评估了 SERPINE1 基因作为癌症预后标志物的诊断价值：
-
时间依赖性 ：该基因的预测能力随时间推移而增强，5年AUC达到0.725，显示出良好的长期预后预测潜力。 -
高特异性特征 ：接近100%的特异性使其在排除低风险患者方面表现优异，适合作为"排除性"标志物。 -
临床应用前景 ：虽然敏感性有待提升，但其在长期预后评估中的价值不容忽视。
ROC分析为我们提供了一个量化评估生物标志物性能的有力工具。在实际临床应用中，建议将SERPINE1与其他标志物联合使用，以提高预测的综合准确性！