1. 差异性表达基因筛选（DEGs）

  从GEO数据库下载。利用 R 软件的 Limma 包来识别 DEGs。将阈值设置为“调整 P 值 < 0.05 和 |logFC|> 0.38“ 用于识别 DEGs。

2. WGCNA分析

  使用R软件通过WGCNA方法鉴定与疾病高度相关的基因簇。使用 pickSoftThreshold R 函数确定软阈值功效 （β），基于加权共表达式网络对彩色模块进行分层聚类。

3. KEGG分析和GO分析

  利用R包进行基因本体（GO）功能富集分析和京都基因与基因组百科全书（KEGG）通路富集分析。GO分析主要用于注释基因功能，特别是生物通路（BP）、细胞成分（CC）和分子功能（MF）。采用KEGG分析检测DEGs中的通路富集情况。

4. GSEA分析

  利用GSEA软件(version 3.0),根据基因表达水平将样本分成高表达组(>=50%)和低表达组(<50%),并从Molecular Signatures Database)下载了c2.cp.kegg.v7.4.symbols.gmt子集合，用以评估相关途径和分子机制，基于基因表达谱和表型分组。

5. 肿瘤预后模型构建

  Lasso cox回归选定特征的系数由lambda参数显示，横坐标代表自变量 lambda 的值，纵坐标表示自变量的系数；使用LASSO Cox回归模型绘制了部分似然偏差与log（λ）的关系。

6. 临床相关分析

  从数据库中获得肿瘤的RNAseq数据和相应的临床信息。log rank用于检验KM生存分析比较上述两组或多组之间的生存差异，进行了timeROC分析以比较基因的预测准确性。

7. 基因突变情况比较

   获得疾病的RNAseq数据、突变maf数据和相应的临床信息。利用R软件中的maftools软件包下载并可视化了患者的体细胞突变。

8. 免疫相关分析

  简介（从数据集获得疾病的RNAseq数据和相应的临床信息。得到与与免疫检查点相关的基因，观察免疫检查点相关基因的表达情况。结果通过R软件包ggplot2和pheatmap进行实现。