探“云”指南 | 微生物ROC曲线

创新多组学技术服务

2023.6.09

接收者操作特征曲线（Receiveroperating characteristic curve，ROC 曲线）是机器学习中一种有效的有监督学习方法，该分析属于二元分类算法，用于处理只有两种分类的问题。给定一个二元分类模型和它的阈值，ROC 曲线就能从所有样本的（阳性／阴性）真实值和预测值计算出一个坐标点。其中，完美的预测为曲线左上角的点。那么接下来我们就看看微生物ROC曲线小工具是怎么使用的吧。

功能介绍

根据特征丰度数据，如差异物种或生物标记物等，利用10折交叉验证，对每一折划分训练集及验证集，先对训练集构建随机森林模型，再用此模型预测验证集，构建ROC曲线，最后对10折进行平均处理得最终ROC曲线。

文件要求

物种丰度表文件

第一列为特征物种名称，其余列表头为样本名称，对应数据为丰度值。在该文件中要求每组样品数量需在50以上，小于50结果准确度会降低。（支持xls，xlsx，txt，csv格式输入）

图1 | 物种丰度表文件格式示例

样本对应分组表文件

样本对应分组信息表，组数必须为2。第一列为样本名称，第二列为样品对应的分组信息。请注意列名的首字母大写问题，如与图中所示有异可能会报错。（支持xls，xlsx，txt，csv格式输入）

图2 | 表型文件

参数调整

主要参数

图3 | 主要参数

作图步骤

准备工作

请于上传文件前首先查看“重要提示”的提示信息以及“使用说明”中的示例文件格式，根据提示进行文件准备。

主要参数设置

①请于主要参数中的特征丰度表、样品对应分组处上传您所要进行分析的文件，为必填参数。在“选择文件”后显示上传的文件名说明上传成功。

此处为上传成功示例：

图4 | 文件上传成功示例

②任务命名：对结果进行命名用于区分不同的任务，默认为当前工具名称_结果创建日期时间，在历史记录的注释处可见，可接受默认或自行输入。

最终提交

文件上传成功后点击“提交”，右侧工作区将提示您所需时间。有时会遇到任务排队情况，请您耐心稍等。

如图所示区域：

图5 | 工具预估耗时提示处

结果分析

（图片为使用示例文件及其他参数保持默认时的结果）

结果下载

分析结果保存6个月，请注意及时下载保存，点击“结果下载”可将结果保存至本地。

图6 | 结果展示界面

结果说明

利用特征丰度数据，在随机森林模型的基础上，利用10折交叉验证构建了ROC曲线。

如图：

横坐标为假阳性率，纵坐标为真阳性率，该指标越高代表准确率越高。ROC曲线是反映假阳性率与真阳性率之间的动态关系的曲线，一般情况下，曲线都应该处于(0, 0)和(1, 1)连线的上方。蓝色曲线为10折后取的平均曲线，真阳性率增长得越快、斜率越大，代表模型的分类性能就越好。ROC曲线上最靠近左上角的点其灵敏度和特异度之和最大，这个点或其邻近点常被称为诊断参考值。AUC为曲线下面积，阴影部分为上下1个标准差。