对于每个GeneSet，我们使用里面的基因建立生存期的预测模型，包含以下分析内容：

1）训练集与测试集

TCGA数据病人按照7:3随机分成训练集（training data）和测试集（testing data）。训练集用于预测模型的参数训练和相关基因集的选择，测试集用于检验训练集给出的参数和基因集的预测能力。整个建模分为以下几步：

1.只用训练集的数据，每个基因进行单元cox回归，初步筛选相关基因；       

2.所有单元cox显著的基因，进行1000次LASSO运算，得到每个基因的出现频率，并排序；       

3.按照以上排序，递增构建基因集，每个基因集进行多元cox回归，求得每个基因的贡献度；       

4.获得**基因集合，再计算一次多元cox回归，确定每个基因的回归系数；       

5.以上回归系数计算每个病人的死亡风险指数；       

6.该死亡风险指数模型在训练集中测试（预测情况与实际情况比较）；     

7.同一模型在起初独立出的测试集里面进行测试（预测情况与实际情况比较）。

2）、机器学习（Lasso）构建**多元COX模型

       在统计学和机器学习中，Lasso算法（英语：least absoluteshrinkage and selection operator，又译最小绝对值收敛和选择算子、套索算法）是一种同时进行特征选择和正则化（数学）的回归分析方法，旨在增强统计模型的预测准确性和可解释性。Lasso是一种采用了L1正则化（L1-regularization)的线性回归方法，采用了L1正则会使得部分学习到的特征权值为0，从而达到稀疏化和选择变量、构建**模型的目的。        LASSO 回归的特点是在拟合广义线性模型的同时进行变量筛选（variable selection）和复杂度调整（regularization）。因此，不论目标因变量（dependent/responsevaraible）是连续的（continuous），还是二元或者多元离散的（discrete），都可以用 LASSO 回归建模然后预测。这里的变量筛选是指不把所有的变量都放入模型中进行拟合，而是有选择的把变量放入模型从而得到更好的性能参数。

3）、基因panel的风险指数分析

       对上述得到的基因Panel，我们根据表达情况和多元回归系数，对每一个样本计算了风险指数（Risk Score)。公式如下：

xi代表各个基因Panel中基因的表达量，βi为每个基因对应的多元COX回归beta值（multi_beta）。       

样本依据风险指数以中位数为界分为高指数组与低指数组，进行Kaplan-Meier生存分析，绘制生存曲线。       

同时基于风险指数，绘制了一年、三年、五年生存期的ROC曲线。

结果：

风险模型的系数：

训练集和测试集的ROC曲线评估模型准确性：

高低风险组的生存曲线比较：

病人的风险指数打分表：

以及高低风险组的临床信息统计，同上，存放在ClinicHeatmap\RiskModel和ClinicCompare\RiskModel中：