铁汉生态建设有限公司网站,漳州最专业的网站建设公司,惠州网页模板建站,深圳文化墙制作公司生信分析第三步#xff1a;生存曲线批量绘制各位解螺旋的小伙伴大家好#xff0c;我是先锋宇#xff0c;欢迎大家来到每周日的先锋宇专栏#xff0c;经过前两期推文的学习#xff0c;很多小伙伴都私信我说从先锋宇助教的专栏很接地气#xff0c;自己能够开始慢慢处理数据… 生信分析第三步生存曲线批量绘制各位解螺旋的小伙伴大家好我是先锋宇欢迎大家来到每周日的先锋宇专栏经过前两期推文的学习很多小伙伴都私信我说从先锋宇助教的专栏很接地气自己能够开始慢慢处理数据并且希望先锋宇助教能够继续把这条线走通。听到解螺旋小伙伴积极正向的反馈小编心理也是非常开心那么今天咱们继续往下走我们在前两期推文中完成数据的下载以及差异分析和单因素COX回归那么今天小编就带大家进行生存曲线的绘制先锋宇助教还是本着科研效率第一的原则我们当然不是一次就绘制一条生存曲线这样与我的风格不符这次我就来教大家直接批量出图收获满满的批量生存曲线图。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。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uniTab % dplyr::filter(pvalue 0.05)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unicox_gene 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unicoxSig % dplyr::select(1,2,3,all_of(unicox_gene))unicoxSig$futime 接下来我们进行生存曲线的绘制首先绘制生存曲线我们首先需要解压两个强大的包survival包和survminer包。library(survival)library(survminer)首先为了降低难度我们先来进行一条生存生存曲线的绘制我们先提取一个基因的表达量single_gene % dplyr::select(1,2,3,4)然后我们构建一个分组文件根据基因表达量的中位值进行高低两组的划分group median(single_gene[[4]]), high, low)然后我们计算高低表达两组之间的生存的p值大小diffsurvdiff(Surv(futime, fustat) ~ group2, data gene_surv)pValue1-pchisq(diff$chisq,df1)if(pValue0.001){ pValuep0.001}else{ pValuepaste0(p,sprintf(%.03f,pValue))}接下来拟合一个生存函数这里我们使用survfit函数进行拟合fit 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。ggsurvplot(fit, datasingle_gene, conf.intTRUE, pvalpValue, pval.size5, legend.labsc(High, Low), xlabTime (years), ylabOverall survival, break.time.by 1, risk.table., palettec(#d7191c, #2b83ba), risk.tableT, risk.table.height.25)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。for(gene in colnames(unicoxSig)[4:ncol(unicoxSig)]){group median(unicoxSig[[gene]]), high, low)diffsurvdiff(Surv(futime, fustat) ~ group, data unicoxSig)pValue1-pchisq(diff$chisq,df1)if(pValue0.001){ pValuep0.001}else{ pValuepaste0(p,sprintf(%.03f,pValue))}fit surPlotggsurvplot(fit, dataunicoxSig, conf.intTRUE, pvalpValue, pval.size5, legend.labsc(High, Low), legend.titlegene, xlabTime (years), ylabOverall survival, break.time.by 1, risk.table., palettec(#d7191c, #2b83ba), risk.tableT, risk.table.height.25)pdf(filepaste0(surv/,gene,.pdf), onefileFALSE, width6.5, height5.5)print(surPlot)dev.off()}写在最后先锋宇助教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挑圈联靠公众号继续关注我的专栏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~往期传送门让生信工作者失业的神器——DrBioRight真舍不得告诉你高效数据清洗这个R包太强大了你一定要试试(文末附赠小彩蛋)一站式分析R包来了承包了生信各种分析太全能了搞定这一步说明你学R有天赋TCGA数据从下载到差异分析(附代码)别走babyCOX森林需要你欢迎大家关注解螺旋生信频道-挑圈联靠公号~—END—撰文丨先锋宇排版丨四金兄值班 | 弘 毅主编丨小雪球
