biomarker

是测定组织、体液或排泄物中吸收的外源化学物、其代谢物或与内源性物质的反应产物，作为吸收剂量或靶剂量的指标，提供关于接触外源化学物的信息。

列线图（Alignment Diagram），又称诺莫图（Nomogram图），它是建立在多因素回归分析的基础上，将多个预测指标进行整合，然后采用带有刻度的线段，按照一定的比例绘制在同一平面上，从而用以表达预测模型中各个变量之间的相互关系。它的基本原理，简单的说，就是通过构建多因素回归模型（常用的回归模型，例如Cox回归、Logistic回归等），根据模型中各个影响因素对结局变量的贡献程度（回归系数的大小），给每个影响因素的每个取值水平进行赋分，然后再将各个评分相加得到总评分，最后通过总评分与结局事件发生概率之间的函数转换关系，从而计算出该个体结局事件的预测值。列线图将复杂的回归方程，转变为了可视化的图形，使预测模型的结果更具有可读性，方便对患者进行评估。正是由于列线图这种直观便于理解的特点，使它在医学研究和临床实践中也逐渐得到了越来越多的关注和应用。 解释： 假设有一个患者，治疗方式是Resection，肿瘤大小是3-5，复发部位是Intrahepatic，多处复发是No，复发时间是1-2，复发时AFP是>200，复发时albumin-bilirutinl grade是II, III，抗病毒治疗是Yes。在图上找到各个点，对应上方Point的值，将所有的值相加（本处只是讲解大概的值，具体数值应该在模型中计算：Total Points=0+42+20+0+4+31+22+0=119）。在Total中我们可以看到，119对应的2年和5年的生存率分别约为0.80和0.68（本处是大致值，由于没有具体模型参数，无法给出精确值）。这就进一步说明Nomogram图的内容，本质就是对模型各个参数的一个直观展示。 结果如下：这类结果过于简陋！ regplot包中的regplot()函数可绘制较为美观的nomogram。但是，它目前只接收coxph()、lm()和glm()函数返回的回归对象。 如下图，regplot绘图更加美观，可以比较灵活的定义细节。 可任意标记想突出的患者在列线图上的分值分布，及事件发生风险概率！ 网络参考 https://mp.weixin.qq.com/s/BWpy3F-nEKXCdVXmY3GYZg https://mp.weixin.qq.com/s/gpR6IlS4XGaE8xngS7bQrQ 往期回顾 TCGA+biomarker——常见结果展示 TCGA+biomarker——Sample基线表 TCGA+biomarker——单因素Cox回归 TCGA+biomarker——多因素Cox回归 TCGA+biomarker——Cox回归森林图 更多内容可关注公共号“YJY技能修炼”~~~

定义生物学标志（biomarker）是指外源化学物通过生物学屏障并进入组织或体液及其代谢产物后，对该外源化学物或其生物学后果的测定指标。是食品毒理学的范畴。

通常情况下，通过以下几种指标来 对模型进行评价 。 1）区分度： 采用指标C-index和ROC曲线来评价区分度，一般文章都是二选一。 这里先介绍Calibration curve................... Calibration curve，直译过来就是校准曲线或校准图。其实，校准曲线就是实际发生率和预测发生率的散点图。实质上，校准图曲线是把Hosmer-Lemeshow拟合优度检验的结果可视化。目前校准曲线常用来评价logistic回归和cox回归模型。 不同数据集的校准曲线 不同时间的校准曲线 不同模型的校准曲线 解读： 横坐标为预测的事件发生率（Predicted Probablity），纵坐标是观察到的实际事件发生率（Actual Rate），范围均为0到1，可以理解为事件发生率（百分比）。对角线的虚线是参考线，即预测值=实际值的情况。红线是曲线拟合线，两边带颜色部分是95%CI。 经过查阅多个教程，校准曲线就是以预测值为X轴，真实值为Y轴绘制，Hosmer-Lemeshow拟合优度检验结果的可视化的图。真实值即为status值，比如生存（0：生；1:死），0—1代表了真实的死亡风险。预测值是根据构建好的模型预测出每个患者的死亡风险，采用predict()函数返回风险评分值，并将该评分值加以转化成更为直观的风险值。在得到真实值和预测值的基础上进行校准曲线的绘制和显著性检验。以下是两种比较简单的矫正曲线方法，但成图都比较单调，不够美观。方法1采用的是rms包的calibrate函数（输入构建模型即可，简单）。方法2先计算出预测值和真实值，然后用plotCalibration函数绘图。 总结： 校准曲线是一种评价模型的方法，在实际项目中应该是构建好模型，然后评价模型，改善模型，确定最终模型（C-index/ROC/DCA结果表明模型合格），最后对模型进行可视化展示（如森林图、列线图，生存点图等）。 往期回顾 TCGA+biomarker——常见结果展示 TCGA+biomarker——Sample基线表 TCGA+biomarker——单因素Cox回归 TCGA+biomarker——多因素Cox回归 TCGA+biomarker——Cox回归森林图 TCGA+biomarker——Nomogram列线图 更多内容可关注公共号“YJY技能修炼”~~~