（以某肿瘤的预后预测及指导用药为例）

在Cancer Panel数据分析过程中，通常首先对50个肿瘤基因中存在非同义突变、移码突变或终止密码突变的基因进行筛选；其次对这些突变基因的突变情况对临床疗效、药效、起效时间及治疗的预后情况是否有显著影响进行分析；对于显著影响疗效或预后的突变基因，对它们对于这些因素的影响趋势进行分析。综合以上分析，为早期预测哪些患者会获得更好的疗效及指导用药提供依据。

突变基因在各临床疗效样本组中的分布如下图所示，吉凯采用Mann-Whitney U检验法对各个基因的突变情况对于临床疗效性是否具有显著影响进行检验。

（图中每一行代表一个基因，每一列代表一个样本；顶端的蓝色条码由浅到深依次代表Complete Response、Partial Response、Stable Disease和Progressive Disease；灰色代表该基因在所对应的样本中有突变，白色代表没有突变。）

在“突变基因与临床疗效性的相关性”项目中，吉凯采用Spearman检验法对相关突变基因与临床疗效性之间的相关性进行检验，初步探索这些肿瘤基因对于临床疗效的潜在作用。

在临床研究中，对于治疗方案的疗效的考核，通常可以采用治愈率、病死率等指标来评价。但是对于肿瘤、结核及其他慢性或长期性疾病，其治疗的预后效果不能在短期内判断，需要通过对病人进行长期随访，统计一定期限后的生存或死亡状况来加以评判。

但是此类生存数据分布类型不确定，通常不符合正态分布，且常含有删失值（censored，如由于病人痊愈、失联或其他原因死亡等造成随访失效或终检），因此不适合使用传统的统计分析方法（例如：T 检验、线性回归分析等）。

生存分析（Survival Analysis）是研究生存现象和响应时间数据及其统计规律的一种统计学方法。常用的生存分析方法包括：参数方法、非参数方法（例如：寿命表分析、 Kaplan-Meier 分析等）和半参数方法（例如：Cox 回归分析等）。

在本项目中，吉凯采用 Kaplan-Meier 方法检验肿瘤基因的突变情况对于治疗后生存时间的影响是否显著，如上图所示。