数据库生存曲线_生存曲线居然能够批量绘制了
写在前面
相信很多小伙伴在看文献的时候总是能够看到作者拿一张figure放置多个生存曲线图，不知道大家想过没有，如果作者一张小图一张小图的画，那可能图还没有画完就直接开始拍桌子了。肯定为了提升科研的效率，我们还是希望把这些重复的工作都交给计算机不厌其烦地去做，然后留更多的时间给我们自己享受生活。好啦，言归正传，我们开始今天批量生存曲线绘制的讲解。
1、代码演示
经过前面两期专栏的处理(没有跟上的同学赶快去前两期专栏看看，打牢基础才能走得更远)，我们现在已经得到了单因素COX回归的结果。
接下来我们筛选p值小于0.05的基因进行保留，这里我们使用dplyr包中的filter函数进行过滤：
接着我们把单因素COX回归有意义的基因再提取出来，因为刚刚得到的是数据库，我们把第一列取出来即可：
得到了单因素COX回归有显著统计学意义的基因之后，我们就要开始进行生存曲线绘制即K-M分析，关于K-M分析和COX回归到底有啥区别，大家可以参考风师兄在生信下篇段位3有详细的讲解。如果用我自己的实用的理解那就是，COX分析筛选变量太多的话我们就再加上K-M分析再筛选一次，相当于双重过滤标准；但是如果你COX回归筛选之后就只有几个基因了，那就没有必要再用K-M分析去筛选了，因为筛选了完了你可能就没有基因了。
接下来我们从单因素COX回归的数据框中把pvalue小于0.05的基因提取出来，这里我们使用dplyr包中的select函数，注意这里要记得使用all_off函数把向量放在函数里面，这样才能提取对应的列：
接下来我们进行生存曲线的绘制，首先绘制生存曲线，我们首先需要解压两个强大的包，survival包和survminer包。
首先为了降低难度，我们先来进行一条生存生存曲线的绘制，我们先提取一个基因的表达量：
然后我们构建一个分组文件，根据基因表达量的中位值进行高低两组的划分：
然后我们计算高低表达两组之间的生存的p值大小：
接下来拟合一个生存函数，这里我们使用survfit函数进行拟合：
最后我们使用ggsurvplot函数来绘制生存曲线，代码参考来自于生信体系课下篇，需要进一步学习的同学可以参看我们的生信体系课，里面有更多丰富的知识等待大家。
一张可用于文章发表的生存曲线图就绘制好了：
虽然一张绘制好了，但是我们本期的问题还没有解决，我们不仅要一张，我们要很多张。套用一句经典的话就是，只要小孩子才做选择，成年人是全部都要，而且越多越好，图多了我们才有选择的余地。
接下来我们进行批量绘制，批量绘制的原理无非就是循环，而循环就是一列一列循环，然后每一列绘制一个生存曲线。
写在最后
每次在跑循环的时候总感觉就是在收获财富，因为每跑一张图，就有可能放到论文里面，然后构成一个完成的figure，希望大家也能和我有同样的感受！希望继续继续关注我们，希望大家都能在这里学有所获，收到满满的干货，好啦，这期的内容就到这里啦，我们下周日再见~
作者：先锋宇
本文首发于“ 解螺旋”微信公众号
转载请注明：解螺旋·临床医生科研成长平台
绝地灬酷狼
「爱情、让人受尽委屈。」
还没有评论，来说两句吧...