4. 签名与临床表型：有关联，还要问关联有多大

本章使用前章的 STAD 签名和细胞估计，分别研究分期与总生存。

这一步想知道什么

分数算出来以后，自然想问：高分患者的结局是否不同？本章把问题拆成两步——先看特征与临床资料的关系，再检查加入年龄、性别和分期后关联是否还在。显著性、效应大小、模型调整和预测能力回答的是不同问题，这一章顺便练习把它们分开。

可以这样问

接着 iobrx_skill_tutorial 中本次生成的签名、细胞估计和临床数据，研究 STAD
的免疫与基质特征是否和分期、总生存有关。比较代表性特征，区分单因素
关联与临床因素调整后的结果，用森林图、KM 曲线及合适的表型图说明
发现和局限。保留每个问题能用的全部样本，明确缺失数据的影响；不参考
其他案例的脚本或结果。产物保存到 results/04_phenotypes，用中文解读。

Omicos 的 iobrx Analyst 按 Skill 中的临床分析说明对齐样本，使用统计工具完成模型和绘图。

本章主分析面板为 18 个 PCA 签名加 13 个细胞/综合指标，共 31 个特征；签名另用 zscore 和 ssGSEA 做方法敏感性检查。

结果怎么看

先看每项分析有多少人。 不是 412 例都能参加每项分析：

缺资料的患者仍留在表达队列中，缺治疗信息不会被填成"未治疗"。KM 曲线的横轴把原始天数换算成月；"删失"表示最后一次随访时尚未观察到死亡，不代表永远不会发生。

再看分期箱线图：差别未必是一条上升线。

四个分期的人数为 I 58、II 122、III 169、IV 39；各面板使用自身单位，不能跨面板比大小。CAF 签名和成纤维细胞分数在 I 期相对低，但之后没有逐级升高。同一个"和分期有关吗"可以拆成三种问法，答案不一样：

• 四期分布是否相同？ Kruskal–Wallis 检验：31 项中 12 项 q<0.05（CAF 与成纤维细胞 q≈0.0064）。
• 是否随分期单调变化？ Spearman 趋势检验：31 项均未达 q<0.05。
• 早期（I/II）与晚期（III/IV）是否不同？ 调整年龄、性别的 logistic 比较：同样均未达 q<0.05。

所以既不能说"与分期完全无关"，也不能说"分期越晚基质一定越高"。图中的 P 是单项检验值，正文与完整表同时报告检验家族内的校正 q。

然后看森林图。

每行是一项特征，点是风险比 HR，横线是 95% 置信区间；竖线 HR=1 表示没有方向性差别。效应统一为特征每升高一个标准差，不是原始分数加 1。左侧每次只放一项特征，右侧加入同一项特征和年龄、性别、分期；左右人数不同，差异既来自调整也来自子集变化。

例如 TMEscoreB 每升高一个标准差，对应调整后约 1.35 倍的瞬时死亡风险——这不是"死亡概率增加 35%"，也不能说明基质信号造成了死亡；调整三个变量不能排除所有混杂。31 项主分析中，单因素 11 项、调整后 10 项达到 BH q<0.05；多个结果来自相近的基质程序，不能当成十次互相独立的验证。

最后看 KM 曲线，并和连续模型对照。

为便于阅读，图中按各特征中位数把 385 例分成高、低组（192/193 人）。CAF 两组的 log-rank P 为 0.0335，MCP-counter 成纤维细胞为 0.0702——后者不显著，但它的连续 Cox 关联显著。两者不矛盾：一个把连续数值压成两组，一个利用连续变化；不能反复试截点直到画出最显著的曲线。再看曲线尾部：CAF 在 60 个月时低、高组分别只剩 10 和 5 人还在观察，尾部差距比早期更不稳定，不能只盯两条线最后分开多远。

接下来怎么做

仅临床变量的表观 C-index 约 0.639，加 TMEscoreB 后约 0.665——这是拟合同一批患者的内部表现，不是对新患者的验证；第 8 章会专门学留出测试。接着做第 5 章 TME 交互，看细胞、功能和配体受体信号怎样一起变化。想先核对本章，可以问："把 KM 的分组截点从中位数换成三分位数，CAF 的曲线和 P 值怎么变？"

本次比例风险诊断未检出显著违背，但"未检出"不保证假设成立；模型的线性形式、缺失机制和单队列设计仍有限制。完整结果表与探索性附录（另有自己的多重检验范围）见数据与运行说明。

参考：IOBR 签名与表型方法、TCGA 胃癌研究、胃癌 TMEscore 研究。