基于岭回归模型和基因表达矩阵估算样本对药物反应的敏感性(5)

描述

小编最近在阅读文献时，经常会看到研究两组样本对药物敏感性IC50值的差异，比如下面这个文章，作者通过构建了预后模型，将样本分成高低风险组，然后比较了两组样本对30种胰腺癌常用化疗药物的敏感性IC50值。

在以往的小编认知里，要研究药物敏感性差异必须要用药物处理后，观察两组的响应，因此小编一直苦苦感叹于没有足够的临床信息，也因此止步于此。直到看到了这篇文章，小编才发现利用基因表达矩阵，结合GDSC<www.cancerrxgene.org/>细胞系表达谱，通过构建岭回归模型就可以预测出样本对药物的IC50值，因此找到了该文章的方法部分，仔细研读后将代码进行了整理，这里我模拟的数据并不是以上文献的，而是其它癌症的，其中药物也是我随机挑选的，大家在运行的时候要根据自己的数据适当修改参数了。

 

附件包括了：（付费领取哦）

示例数据文件夹：里边是本次流程的输入文件

代码测试文件夹：里边是本次分析用到的代码

输出结果文件夹：里边是本次流程生成的示例图片

readme.txt文件 ：是对输入文件的说明

 

以下是该流程分析出来的图片：

两组样本对某一种药物的敏感性IC50值分布，最上方标注了药物的名字，横轴表示的是组别名称。

此外，我们还输出了各个药物IC50值在两组样本中的显著性p.value值，并保存成output_pvalue.txt，如下图：

第一列为药物名称，第二列为显著性p.value值，一般认为p.value<0.05即表示该药物IC50值在两组样本间存在显著差异。