#if (!requireNamespace("BiocManager", quietly = TRUE))#if (!requireNamespace("BiocManager", quietly = TRUE))#    install.packages("BiocManager")#BiocManager::install("limma")#install.packages("ggpubr")options(stringsAsFactors=F)library(limma)library(ggpubr)
scoreFile="scores.txt"            #score文件指定存储分数数据的文件名。

cliFile="clinical.txt"            #临床数据文件指定存储临床数据的文件名

setwd("C:\Users\lexb4\Desktop\TMEimmune\10.cliCor")#修改工作设置工作目录，即数据文件所在的路径。目录#读取score文件，并对输入文件整理rt=read.table(scoreFile,sep="t",header=T,check.names=F,row.names=1)#读取score文件为数据框，并设置第一列作为行名。data=as.matrix(rt)#将数据框转换为矩阵格式。rownames(data)=gsub("(.*?)\-(.*?)\-(.*?)\-(.*?)\-.*","\1\-\2\-\3",rownames(data))#对行名进行处理，提取样本名称的部分信息。data=avereps(data)#对重复的样本进行平均处理。#读取临床数据文件cli=read.table(cliFile,sep="t",header=T,check.names=F,row.names=1)
#合并数据samSample=intersect(row.names(data),row.names(cli))data=data[samSample,]cli=cli[samSample,]rt=cbind(data,cli)#找到数据和临床数据中共有的样本。根据共有的样本筛选数据和临床数据。#将数据和临床数据按列合并为一个数据框。#临床相关性分析，输出图形结果for(clinical in colnames(rt[,4:ncol(rt)])){#对临床数据中的每一列进行循环。for(score in colnames(rt[,1:3])){#对分数数据中的每一列进行循环。data=rt[c(score,clinical)]#从合并的数据框中选择分数数据和当前临床数据列。colnames(data)=c("score","clinical")#设置数据框的列名为"score"和"clinical"。data=data[(data[,"clinical"]!="unknow"),]#剔除临床数据中未知的样本。#设置比较组group=levels(factor(data$clinical))#提取临床数据中的分组信息。data$clinical=factor(data$clinical, levels=group)#将临床数据中的分组转换为因子类型，并设置分组顺序。comp=combn(group,2)my_comparisons=list()for(i in 1:ncol(comp)){my_comparisons[[i]]<-comp[,i]}#将比较组逐一添加到列表中#绘制boxplotboxplot=ggboxplot(data, x="clinical", y="score", color="clinical",xlab=clinical,ylab=score,legend.title=clinical,add = "jitter")+stat_compare_means(comparisons = my_comparisons)#输出图片pdf(file=paste0(score,".",clinical,".pdf"),width=5.5,height=5)#绘制箱线图并进行组间比较，最后将结果保存为PDF文件。print(boxplot)dev.off()}}