【绘图】深度测评：生存分析还可以如此诱人！

生存分析，survival analysis，是研究影响因素与生存时间和结局的重要方法，直白点说，就是分析“因素”和“生存”是否相关，能够直接将研究的因子和患者最终的预后表型关联起来，其重要性可想而至。

在前面的教程【科研猫】生存分析的正确姿势，我们以TCGA中的肿瘤病人和基因表达为例，给大家讲解了生存分析用R语言应该怎么去做，还出了一个特别专刊【科研猫·出品】TCGA超大批量生存分析教程，是给大家讲解了，如何通过R代码去批量分析成千上万的基因与肿瘤预后的相关性，很多同学都表示收获很大，通过生存分析筛选自己感兴趣的基因，极大地提高了工作效率。今天，我们从抛开数据分析的角度，从绘图，从高级可视化的角度出发，教大家如何去绘制一个“美丽诱人”的生存分析KM曲线（Kaplan-Meier curve）。同时，为了比较不同软件进行生存分析绘图的优缺点，我们此次绘图分析教程引入了SPSS、GraphPad、Origin等一众软件，进行一个深度比较和测评。好了，废话不多说，直接进干货。

基本概念

在正式开始之前，我们需要对生存分析中的几个概念再做一下解读和强调，免得有些同学搞不清楚基本概念：

生存时间（survival time）

指的是从开始事件到终点事件所经历的事件跨度。例如，肿瘤患者从发病到死亡所经历的事件跨度，冠心病患者两次发作之间的时间间隔等。注意：在进行实验设计时，需要对起始事件、终点事件、时间单位进行明确的定义。

生存结局（survival status）

一般分为死亡和删失两类。死亡指的是我们感兴趣的终点事件。除此之外的结局或生存结局则归类为删失（censoring），也称为截尾或终检。删失的一般原因有：1. 研究截至日期时，感兴趣终点事件仍未出现；2. 失访，不知道感兴趣终点事件何时发生或是否会发生；3. 因各种原因中途退出；4. 死于其它事件，如交通意外或其他疾病。

统计分析（statistics）

生存分析的统计分析可以分为以下几种：

1. 描述统计：常采用Kaplan-Meier法进行分析，并绘制生存曲线；对于频数表资料，则可以采用寿命表进行分析（属于非参数统计方法）。

2. 比较分析：我们经常需要对不同组别的生存率进行比较分析，比如比较使用或不用某种药物的患者的生存率是否不同。经常采用的log-rank检验以及Breslow检验。

3. 影响因素分析：我们可以建立生存模型来探讨哪些因素影响生存时间。常用的方法有两类，一类为半参数法：Cox比例风险模型；还有一类为参数法，主要有logistic分布法、Gompertz分布法等回归模型。这一类分析最近做的人非常多，比如分析基因表达量与生存的关系，找出关键基因建立评估模型等。类似的文章很多，我们后续会开一个专题跟大家讲讲类似的分析和文章套路。

读入数据

我们的示例数据跟我们平时做分析的数据一摸一样，分为三列，依次为：

（1）生存时间：可以是天或者月，必须是数值；

（2）生存结局：分为0和1，其中1代表事件发生，如果是生存和死亡的话，1就代表死亡；

（3）分组信息：不一定非要是两组，三组也是可以的哦。我们这里用的就是G1、G2和G3三个分组；

开始绘图

开始正式绘图之前，咱们先看看平时用的绘图软件绘制出来的生存曲线图形。

SPSS

先看看统计软件的老大哥，已然落伍的SPSS。依旧是经典的画风，图形看上去中规中矩，最大缺陷是没有log rank test的p value，还要分析以后自己手动加上去。

GraphPad

再来看看统计绘图软件领域的新宠，近几年在国内用的很多的Prism Graphpad，是个付费软件，我周围用的人还不少。Graphpad画出来的KM图是这样的。看了之后，最直接的评价就是两个字：“吃藕（chou）”,而且依然没有p value在图上标出。当然，客观的讲，如果去调整一下参数的话，可能图形会漂亮一些，但是浪费时间和心力啊。

Origin

咱们再来看看另外一个软件，Origin。Origin也是一款流行的数据绘图软件，为广大科研工作者使用。特别是在国外实验室，用的也是比较多的。做出来的图如下所示，也是中规中矩，而且自动标注了P value,这点比上面的SPSS和Graphpad稍好一些。

R

下面，测评的差不多了，我们就进入到最为关键的环节，如何绘制一个“优雅不轻浮，精致不繁琐”的生存曲线图。当然，我们的工具还是R语言，作为目前绘图领域首屈一指的工具语言，要想画好图，必然还是用R来做。我们通过使用R的survival包和survminer包进行绘图，多种绘图模式可供选择，画出来的图形是这样子的：

没错，就是这么漂亮，我相信各位肯定有眼前为之一亮的感觉。这个图分为是三个部分：最上面是生存曲线，配色都配好的，p值也标注好了，半数生存的时候对应的时间也标好了，95%置信区间也有了，堪称完美。中间一个表格是对应不同生存时间的患者数量，很直观的比较不同组别之间差异。下面一张图是不同分组的截断数据的数量，柱状图，非常明了。这三个子图统一构成了我们的生存曲线图，可谓完美。