2024-06-16

生存曲线之舞：survminer包带你畅游癌症数据世界！

原创小果生信果 2023-08-31 19:00:59

生信人R语言学习必备

立刻拥有一个Rstudio账号

开启升级模式吧

（56线程，256G内存，个人存储1T）

今天小果为小伙伴带来的分享为使用肿瘤免疫功能障碍和排斥（TIDE）预测算法评估两种亚型的免疫治疗反应

hello，你知道如何使用survminer绘制不同种类的生存曲线嘛？今天小果就来详细教大家如何使用并绘制属于你自己的生存曲线！感兴趣的话就和小果一起看下去吧！

什么是survminer？

survminer是一个在R语言中用于可视化生存分析结果的强大包。它是基于ggplot2和survival包构建而成，提供了丰富而灵活的功能，可以帮助研究人员更好地理解和展示生存数据。

使用survminer包，你可以轻松地创建生存曲线、风险表、累积发病率图以及危险率函数等。它提供了许多可自定义的选项，包括曲线颜色、图例、文字样式、字体大小等，可以根据需求创建出精美的生存分析图形。

除了基本的生存曲线绘制外，survminer还支持在同一图中绘制多个分组的生存曲线，比如按照不同的组别、性别或治疗方案等进行分组。这样可以更直观地比较不同组别之间的生存情况。

此外，survminer还提供了添加置信区间、p值、风险表和其他自定义函数的选项，可以进一步丰富和扩展生存分析的可视化。

总之，survminer是一个功能强大且易于使用的R包，可以帮助研究人员有效地可视化和解释生存分析结果，从而更深入地理解数据中的生存模式和趋势。

survminer绘制生存曲线

1.安装和加载survminer包

对于survminer包的安装，可以通过以下两种方法来下载哦，大家根据自己的情况自行选择~

#方法一install.packages("survminer")#方法二if (!require(devtools)) install.packages("devtools")devtools::install_github("kassambara/survminer")#导入R包library("survminer")

2. 数据准备

对于今天的数据集，我们使用survival包自带肺癌数据集：lung来进行，大家可以替换为自己研究的数据来进行后续的研究哦~

# 导入数据集#调用生存曲线中另一常用的survival包require("survival")#survival包自带肺癌数据集：lung，查看数据样式head(lung)#survival包中的Sruv函数可以创建一个生存对象fit <- survfit(Surv(time, status) ~ 1, data = lung)

我们导入的数据集格式如下：

3.绘制生存曲线

绘制单一组别的生存曲线：

# 使用ggplot2绘制生存曲线ggsurvplot(fit, color = "#2E9FDF")

‍

接下来，我们来绘制两组别的生存曲线：

# 根据性别绘制生存曲线fit <- survfit(Surv(time, status) ~ sex, data = lung)ggsurvplot(fit)

在上面绘制的基础上，我们还可以改变文字大小、字体和颜色哦：

# 改变标题、轴标签和刻度文本的字体大小ggsurvplot(fit, title = "Survival curve",           font.title = 18,           font.x = 16,           font.y = 16,           font.tickslab = 14)
# 改变标题、轴标签和刻度文本的字体大小、字体样式和颜色ggsurvplot(fit, title = "Survival curve",           font.title = c(16, "bold", "darkblue"),           font.x = c(14, "bold.italic", "red"),           font.y = c(14, "bold.italic", "darkred"),           font.tickslab = c(12, "plain", "darkgreen"))

我们来看下效果图：

改变曲线类型和颜色：

# 改变曲线的尺寸、类型、x轴的时间间隔、调色板、添加置信区间和p值ggsurvplot(fit, size = 1,           linetype = "strata",           break.time.by = 250,           palette = c("#E7B800", "#2E9FDF"),           conf.int = TRUE,           pval = TRUE)

接下来，小果要为曲线添加风险表啦，代码如下：

# 添加风险表ggsurvplot(fit, pval = TRUE,           conf.int = TRUE,           risk.table = TRUE,           risk.table.y.text.col = TRUE)

接下来，我们来绘制转换生存曲线：

# 绘制累积发病率图ggsurvplot(fit, conf.int = TRUE,           palette = c("#FF9E29", "#86AA00"),           risk.table = TRUE,           risk.table.col = "strata",           fun = "event")
# 绘制危险率函数ggsurvplot(fit, conf.int = TRUE,           palette = c("#FF9E29", "#86AA00"),           risk.table = TRUE,           risk.table.col = "strata",           fun = "cumhaz")

累积病发率图：

危险率函数图：

以上就是使用survminer包绘制生存曲线的基本教程。大家可以根据需要自定义曲线的样式、颜色和添加其他可选项哦。怎么样，是不是很简单！你学会怎么绘制了嘛？更多学习干货要继续多多关注小果哦！

其他相关分析内容，例如预测肿瘤样本药物敏感性分析(http://www.biocloudservice.com/712/712.php),预测某样本亚型对免疫治疗的反应(http://www.biocloudservice.com/292/292.php)，单样本富集算法分析免疫浸润丰度(http://www.biocloudservice.com/106/106.php)，计算64种免疫细胞相对含量(http://www.biocloudservice.com/107/107.php)等都可以用本公司新开发的零代码云平台生信分析小工具，一键完成该分析奥，感兴趣的小伙伴欢迎来尝试奥，网址：http://www.biocloudservice.com/home.html。今天小果的分享就到这里，下期见奥。