pROC包绘制ROC曲线
R包pROC可以进行ROC曲线分析，涉及的主要函数是roc函数和plot.roc函数：
以自带数据为例：
> library(pROC)
> data("aSAH")
> head(aSAH,10)
gos6 outcome gender age wfns s100b ndka
29 5 Good Female 42 1 0.13 3.01
30 5 Good Female 37 1 0.14 8.54
31 5 Good Female 42 1 0.10 8.09
32 5 Good Female 27 1 0.04 10.42
33 1 Poor Female 42 3 0.13 17.40
34 1 Poor Male 48 2 0.10 12.75
35 4 Good Male 57 5 0.47 6.00
36 1 Poor Male 41 4 0.16 13.20
37 5 Good Female 49 1 0.18 15.54
38 4 Good Female 75 2 0.10 6.01
根据数据显示内容，选择：s100b对outcome进行分析
> outcome=roc(response=aSAH$outcome,predictor = aSAH$s100b)
> outcome
Call:
roc.default(response = aSAH$outcome, predictor = aSAH$s100b)
Data: aSAH$s100b in 72 controls (aSAH$outcome Good) < 41 cases (aSAH$outcome Poor).
Area under the curve: 0.7314
respone a factor, numeric or character vector of responses, typically encoded with 0 (controls) and 1 (cases). 进行分类
predictor a numeric vector of the same length thanresponse, containing the predicted value of each observation. An ordered factor is coerced to a numeric. 进行预测
AUC 0.7314
基于返回结果绘制ROC曲线
plot.roc(outcome)
简单进行美化
> plot.roc(outcome,col="red",print.auc =TRUE,print.auc.col = "darkgreen",auc.polygon = TRUE,auc.polygon.col = "pink")
相关课程：GEO芯片数据挖掘、GEO芯片数据标准化
更多生物信息课程：
1. 文章越来越难发？是你没发现新思路，基因家族分析发2-4分文章简单快速，学习链接：基因家族分析实操课程、基因家族文献思路解读
2. 转录组数据理解不深入？图表看不懂？点击链接学习深入解读数据结果文件，学习链接：转录组（有参）结果解读；转录组（无参）结果解读
3. 转录组数据深入挖掘技能-WGCNA，提升你的文章档次，学习链接：WGCNA-加权基因共表达网络分析
4. 转录组数据怎么挖掘？学习链接：转录组标准分析后的数据挖掘、转录组文献解读
5. 微生物16S/ITS/18S分析原理及结果解读、OTU网络图绘制、cytoscape与网络图绘制课程
6. 生物信息入门到精通必修基础课：linux系统使用、perl入门到精通、perl语言高级、R语言入门、R语言画图
7. 医学相关数据挖掘课程，不用做实验也能发文章：TCGA-差异基因分析、GEO芯片数据挖掘、GEO芯片数据标准化、GSEA富集分析课程、TCGA临床数据生存分析、TCGA-转录因子分析、TCGA-ceRNA调控网络分析
8.其他，二代测序转录组数据自主分析、NCBI数据上传、二代测序数据解读
- 发表于 2019-02-22 10:48
- 阅读 ( 10740 )
- 分类：R
