用维恩分析来选择数据集的与上述个之间的重叠基因。对风险评分系统选择的进行单变量ox比例风险回归（）。为了缩小过度拟合的高维预后基因的范围，我们通过“glmnet”包进行了最小绝对收缩和选择算子（）回归模型分析。接下来进行多因素cox回归分析，得到独立预后因素β的回归系数。随后建立了风险评分系统（）。公式如下：（基因）×β（基因）×β（基因）×β。。基因n×βn，其中表示危险因素的表达水平。以中位数为阈值计算每个样本的风险评分，将患
者分为低风险组和高风险组，并通过aplaneier曲线比较两
组之间的。采用受试者工作特征（）曲线分析对患者的预后预测价值。列线图的开发和评估为了全面评估患者的生存率，我们对临床病理参数（包括年龄、黎巴嫩 WhatsApp 号码列表分期和风险组）进行了单变量和多变量ox回归分析。我们使用“rms”包构建了整合这些参数的列线图，以评估患者年、年和年的生存率。校准曲线用于评估我们构建的列线图对于临床应用的适用性。甲基化分析和za’脱氧胞苷za处理应用cioortal检测突变状态以及表达与启动子甲基化水平之间的相关性,。使用和et
hurv网络工具来可视化表达和启动子（p岛）甲基化水平，
并评估甲基化水平的预后,。在zacytidineza处理实验中， 美国在线电子邮件列表 用µzaelleck处理指定细胞小时，并收集和蛋白质提取用于进一步的q和免疫印迹实验。免疫浸润分析利用数据库分析拷贝数变异与免疫细胞浸润水平的相关性，包括细胞、细胞、细胞、中性粒细胞、巨噬细胞和树突状细胞。基于“”包（版本）的单样本基因集富集分析（ss）算法，用于计算肿瘤微环境中免疫细胞类型的富集分数，以确定中的免疫细胞浸润水平。算法用于计算基质分数、免疫分数和分
