在利用代謝組學篩選臨床樣本潛在biomarker的過程中經常會用到ROC曲線，ROC全名為接收者操作特征（Receiver Operating Characteristic），表示為一個畫在二維平面上的曲線。ROC曲線最早是由二戰(zhàn)中的電子工程師和雷達工程師發(fā)明的，用來偵測戰(zhàn)場上的敵軍飛機、船艦，也就是信號檢測理論。之后很快就被引入了心理學來進行信號的知覺檢測。數(shù)十年來，ROC分析被用于醫(yī)學、無線電、生物學、犯罪心理學領域中，而且在機器學習（machine learning）和數(shù)據(jù)挖掘（data mining）中也得到了很多發(fā)展。 ● 基本概念 在ROC之前首先解釋一下什么是TPR，什么是FPR。 TPR（True Positive Rate，正例覆蓋率）：真實值是正，且預測為正的比例，也叫敏感性 FPR（False Positive Rate，負例覆蓋率）：真實值為負，而預測為正的比例，也叫特異性 舉例說明： 班里要轉來一個新生，大家都在猜是男生還是女生，真實的情況和預測的情況把整體分成了4個部分，如果定義是女生就是正例，那么：TPR=猜對是女生/猜對是女生+沒猜到是女生；FPR=沒猜到不是女生/沒猜到不是女生+猜到不是女生。 ROC曲線是以TPR（Sensitivity）為Y軸，該指標越高代表診斷的準確率越高，F(xiàn)PR（Specificity）為X軸，然后對不同的預測值進行分類，得到的不同的TPR和FPR對應于ROC曲線上的每一個點。因此ROC就是反映FPR與TPR之間的動態(tài)關系的曲線。一般情況下，這個曲線都應該處于(0, 0)和(1, 1)連線的上方。因為 (0, 0) 和 (1, 1) 連線形成的ROC曲線實際上代表的是一個隨機分類器。TPR增長得越快，斜率越大，反映了模型的分類性能就越好。ROC曲線越是靠近左上角，即靈敏度越高，誤判率越低。ROC曲線上最靠近左上角的ROC曲線上的點其靈敏度和特異度之和最大，這個點或其鄰近點常被稱為診斷參考值。 圖1 ROC圖示例 ● 選擇預測效果最好的解——AUC值 用ROC curve來表示分類器的performance很直觀，可是人們總是希望能有一個標準或者數(shù)值來表示分類的好壞。于是Area Under ROC Curve (AUC) 就出現(xiàn)了。顧名思義，AUC的值就是ROC 曲線下方的面積的大小。通常，AUC的值介于0.5到1.0之間，較大的AUC代表了較好的分類效果。 表1 AUC值評價模型分類的準確程度 ● 分類器 可以借助于很多分類器評價候選生物標志對分類模型的效果，做到基于一組預測變量預測一個分類結果。有監(jiān)督機器學習領域中包含許多可用于分類的方法，如邏輯回歸、決策樹、隨機森林、支持向量機、神經網絡等。有監(jiān)督學習基于一組包含預測變量值和輸出變量值的樣本單元。可以將全部數(shù)據(jù)分為一個訓練集和一個驗證集，其中訓練集用于建立預測模型，驗證集用于測試模型的準確性。可以選擇獨立于訓練數(shù)據(jù)集之外的單獨另外一批樣本作為驗證數(shù)據(jù)集（數(shù)目可小于訓練數(shù)據(jù)集），也可將原數(shù)據(jù)集分為訓練集和測試集。 圖2 診斷能力評價ROC圖示例 ● 一個簡單的繪制ROC曲線的方法 MetaboAnalyst 5.0（網址https://www.metaboanalyst.ca/），主要作者Jianguo (Jeff) Xia）這款在線的web server工具網站可以實現(xiàn)在線做biomarker分析： 小編繪制出來的圖如下，有興趣的老師可以進網站根據(jù)提示或者先使用網站提供的demo數(shù)據(jù)操作一下。 隨著醫(yī)學代謝組的發(fā)展，生物標志物作為最直接快速有效的診斷手段，其篩選可在疾病診斷、發(fā)展、治療、以及療效監(jiān)測等方面發(fā)揮重要的作用。近年來尋找和發(fā)現(xiàn)有價值的Biomarker已經成為目前精準醫(yī)療研究的重要發(fā)展方向。中科新生命基于17年質譜經驗，可提供高質、可靠的醫(yī)學代謝組數(shù)據(jù)，助力精準醫(yī)學和臨床標志物發(fā)現(xiàn)！
