如果是一组基因来把病人进行分组，可以······
如果是一组基因来把病人进行分组，可以取基因集的第一主成分来把病人样本分组。
生存分析最重要的就是分组，来检验你的分组的那个标准或者指标是否能区分生存，比如下面的代码，根据表达量高低进行分组：
dat=merge(cxb6_expr,meta,by='gsm')
head(dat)
table(dat$study)生存分析的数据如下：
> head(dat)
gsm value group month event study
1 GSM107072 6.610591 low 49.68 1 GSE1456
2 GSM107073 4.871095 low 97.80 0 GSE1456
3 GSM107074 5.838876 low 26.64 0 GSE1456
4 GSM107075 7.389684 high 98.76 0 GSE1456
5 GSM107076 5.332938 low 66.60 0 GSE1456
6 GSM107077 4.724775 low 99.60 0 GSE1456
> 其实只需要3列，就是group month event 即可，如下：
library(survival)
library(survminer)
# 利用ggsurvplot快速绘制漂亮的生存曲线图
#dat=dat[dat$study==1,]
sfit <- survfit(Surv(month, event)~group, data=dat)
sfit
summary(sfit)
ggsurvplot(
sfit, risk.table = TRUE, ggtheme = theme_bw(),
pval = TRUE, pval.coord = c(0, 0.03)
)出图如下：
如果是一个基因突变与否，也很容易区分成两个组别。
但如果是一组基因的表达量呢？
这时候可以对着一组基因来取第一主成分，使用其第一主成分来对病人进行分组。
只要分组了， 那么生存分析或者其它，就是水到渠成的事情咯。
本文参与 腾讯云自媒体分享计划，分享自微信公众号。
原始发表：2018-07-29，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录