进行TP53的表达量与癌症分期是否有关的分析，\(H_0\)：TP53的表达量在不同的癌症分期下不存在差异

读入两个数据

data1<-read_csv("HCGA-LIHC_clin.csv")
data2<-read_csv("HCGA-LIHC_expdata.csv")

由于ID所对应的p53蛋白的表达量以及其他临床变量不在一个表格里，我们首先要合并表格。

datat<-as.data.frame(t(data2))
colnames(datat) <- datat[1, ]  # 把第一行的值 赋值 给列名
datat <- datat[-1, ]           # 删除第一行（已经没用了）
datas<-select(datat,TP53)
datas$ID <- rownames(datas)  # 把行名（样本TCGA编号）赋值给新列ID

# 调整列顺序，让ID在最左边
datas<- datas[, c("ID", "TP53")]
full_join(data1, datas, by = c("ID" = "ID")) -> data3

接下来采用ANOVA分析

aovstage <- aov(TP53 ~ ajcc_pathologic_stage, data = data3, na.action = na.omit)
summary(aovstage) 
##                       Df Sum Sq Mean Sq F value Pr(>F)
## ajcc_pathologic_stage  3    453   150.9   0.867  0.461
## Residuals             93  16188   174.1               
## 47 observations deleted due to missingness

本次采用单因素方差分析（ANOVA）探究 TP53 表达量与肝癌病理分期（ajcc_pathologic_stage）的关联，输出结果及各项指标逐一解析如下：

1. 自由度（Df）

病理分期分组因素：Df=3，说明本次研究的癌症病理分期共划分为4 个组别（组别数 = 自由度 + 1）； 残差（组内误差）：Df=93，代表去除分组效应后，样本个体随机变异的有效自由度，为统计检验提供基础。

2. 平方和（Sum Sq）

组间平方和：Sum Sq=453，代表不同癌症分期组别之间，TP53 表达量的整体变异水平； 残差平方和：Sum Sq=16188，代表同一分期组内，不同个体样本 TP53 表达量的随机波动总和，可见组内个体差异远大于组间分期差异。

3. 均方（Mean Sq）

组间均方：Mean Sq=150.9，由组间平方和除以对应自由度计算得到，反映分期分组造成的平均变异； 残差均方：Mean Sq=174.1，由残差平方和除以残差自由度所得，代表样本自身随机误差的平均水平。

4. F 检验值（F value）

计算得F=0.867，F 值为组间均方 / 残差均方的比值。本结果中 F 值小于 1，说明癌症分期带来的组间变异，小于样本自身的组内随机变异，提示分期对 TP53 表达的影响极小。

5. 检验 P 值（P value）

P=0.461，以常用检验水准α=0.05为判断标准，0.461>0.05，差异不显著，无法拒绝零假设。

6. 缺失值说明

结果标注：47 observations deleted due to missingness，表示共有 47 例样本因存在病理分期数据、TP53 表达量数据缺失，被自动剔除，剩余有效样本完成本次方差分析。

结论

结合所有 ANOVA 指标可知：不同 AJCC 病理分期组间的 TP53 表达量变异程度低，组间差异不显著，无法拒绝零假设。在该肝癌数据集中，暂无统计学证据证明 TP53 基因表达量与癌症临床病理分期存在关联。