回归模型是统计中最常用的模型之一，它主要用于解释和预测。本文要讲解一种应用非常广泛的回归模型：Logistic回归（逻辑回归）。

Logistic回归方法主要是针对二分类问题的分析，即被预测的变量为二元变量，如成功或失败、流失或不流失等，常用于机器学习与生信分析中。

为了方便大家能更加高效快捷地使用Logistic回归模型对自身数据进行建模，这里我们给大家提供了一个构建Logistic回归模型的R脚本。使用该脚本都只需要准备好相应的输入文件，再进行简单的命令行操作即可。

使用命令示例如下

Rscript /share/work/fangs/scripts/tcga/logic_batch.r -m metadata_all.tsv -g immu_nes.tsv -v Angiogenesis APM1 B_cell_PCA_16704732 Bcell_receptors_score Buck14_score CD103neg_mean_25446897 CD103pos_mean_25446897 CD8_PCA_16704732 CHANG_CORE_SERUM_RESPONSE_UP CSF1_response -B barcode -e EVENT -l 0.05 -p immu

上述命令分别会得到两个结果文件以及ROC曲线图。

一个是logistic回归的结果文件：第一列为变量（Variable）、第二列为每个变量相关的β系数估计值（Estimate）、第三列为系数估计值的标准误（Std.Error）、第四列为Z统计量，即系数估计值除以估计值的标准误（Z）、第五列为对应于Z统计量的显著性P值（P）。如下表所示：

另一个也是logistic回归的结果文件，与上个结果文件不同的是通过显著性P值对变量进行了筛选，只保留了显著与被预测变量（结果变量）相关的变量。

ROC曲线图：

输入文件准备：

这个脚本必需的输入文件有两个：

一个为样本信息文件（metadata_all.tsv），通过-m参数指定。这个文件中必须含有样本编号（barcode）及被预测变量（EVENT）两列，我们这里的被预测变量是患者的生存状态（0为存活，1为死亡）。下表为部分文件内容展示：

另一个输入文件通过-g参数指定（immu_nes.tsv）。这个文件是变量在每个样本中的值（行为变量，列为样本），若变量是基因，那么就是基因表达量文件。这里我们输入的是ssgsea分析富集所得的结果文件（行为特征基因类型，列为样本）。下表为部分文件内容展示：

更多脚本参数设置及说明

初次使用脚本时，可以通过-h参数获得以下帮助信息。

Rscript /share/work/fangs/scripts/tcga/logic_batch.r -h
usage: /share/work/fangs/scripts/tcga/logit_batch_test.r [-h] -m metadata -g
                                                         expset [-B by]
                                                         [-e event] -v variate
                                                         [variate ...]
                                                         [-l pvalue] [--log2]
                                                         [-o outdir]
                                                         [-p prefix]
                                                         [-H height]
                                                         [-W width]

batch unvariate cox regression gene expression：
https://www.omicsclass.com/article/1507

optional arguments:
  -h, --help            show this help message and exit
  -m metadata, --metadata metadata
                        input metadata file path with suvival time[required]
  -g expset, --expset expset
                        input gene expression set file[required]
  -B by, --by by        input sample ID column name in metadata[default
                        barcode]
  -e event, --event event
                        set event column name in metadata[default EVENT]
  -v variate [variate ...], --variate variate [variate ...]
                        variate for cox analysis[required]
  -l pvalue, --pvalue pvalue
                        pvalue cutoff to choose sig gene[default 0.05]
  --log2                whether do log2 transfrom for expression
                        data[optional,default: False]
  -o outdir, --outdir outdir
                        output file directory[default cwd]
  -p prefix, --prefix prefix
                        out file name prefix[default cox]
  -H height, --height height
                        the height of pic inches[default 5]
  -W width, --width width
                        the width of pic inches[default 5]

-B 指定两个输入文件合并的关键列的列名，这里根据样本名合并故指定为barcode，需要注意的是两个文件中的样本名必须相同；

-e 指定被预测变量的列名，需为二分类变量；

-v 指定变量的名字，需与第二个输入文件中变量的名字相同；

-l 指定显著性P值的阈值，这里认为P<0.05则显著；

--log2 加入该参数则对第二个文件中变量的值进行log2转换。

其他参数说明

-H 指定输出图片的高度，默认高为6英寸；

-W 指定输出图片的宽度，默认宽为8英寸；

-o 指定结果输出的路径，默认为当前路径；

-p 指定输出文件名字的前缀。

脚本获取方法

为了方便感兴趣的学员小伙伴想复现这个分析内容，我把数据和代码一并打包，免费供大家使用学习。只需要如下几步，即可获得下载链接。

1、关注生信博士公众号；

2、转发本文章至朋友圈，并截图，在公众号菜单栏对话框发送截图；

3、在公众号菜单栏回复logic即可获得单细胞cnv分析及相关图的绘制脚本的网盘链接以及提取码。

如果没有数据分析的基础，不知道从何下手，可以学习一下我们的《医学数据分析环境搭建》视频课程，扫描下方二维码了解课程详情。