进阶版ROC曲线来了！教你优雅地给ROC“添油加醋”！你一定会爱上！（附代码）

构建ROC预测模型

随后，利用roc函数，分别构建两个不同的预测模型。

结果显示，对于预测375例肿瘤组织和32例正常样品，VCAN和TP53基因的ROC曲线下面积分别为0.8535和0.7582。

▲ ROC1的分析结果展示

▲ ROC2的分析结果展示

绘制ROC曲线

1、绘制ROC曲线及平滑拟合

首先，我们先通过plot函数，将ROC曲线的最简图形绘制出来。

柔美的线条总是更具优势，也符合大家的审美需求。通过smooth函数，对上图中的曲线进行简单的拟合，从而得到了一个新的ROC曲线。

2、添加可信区间

接着，基于ci.sp函数，通过2000次重复计算，对预测模型进行不断的拟合，最终得到ROC曲线在不同取值时所对应的95%可信区间。

3、添加AUC，阈值等参数

结果显示，在VCAN表达预测患者正常和肿瘤组织时，取其表达量为5.835时为最佳的截断值（cut-off value），且其特异性为0.938，灵敏性为0.739。

4、绘制两条曲线并比较p值

与之前介绍的内容一样，通过将add参数的值修改为TRUE，即可将两个曲线显示哥同一个图层中，其中红色和蓝色曲线分别代表VCAN和TP53两个基因。

对两条曲线进行比较，结果显示，P = 0.00875