最权威的生存分析神器，你值得拥有！

导语

GUIDE ╲

Kaplan-meier Plotter数据库基于GEO、EGA以及TCGA等公共数据库的基因芯片和RNA-seq数据构建而成。

在我们的阅读文献或者做科研课题的过程中，生存分析往往是非常重要的一环，能够显示我们的目标基因对于患者生存预后的影响，通常我们会使用一些R包去绘制生存曲线，对于一些对编程了解较少的小伙伴们，小编要给大家推荐一个生存分析领域最经典权威的工具--Kaplan-meier Plotter。

Kaplan-meier Plotter数据库是基于来源于GEO、EGA和TCGA等数据库的芯片和RNA-seq数据构建的，评估了54, 675个基因在21种癌症中对于生存率的影响，其中乳腺癌(6234例)、卵巢癌(2190例)、肺癌(3452例)和胃癌(1440例)的数据是最全面的。Kaplan-meier Plotter数据库通过整合基因表达信息和临床预后数据进行Meta分析以及生存相关分子标志物的发现以及验证。

为了分析特定基因的预后价值，Kaplan-meier Plotter数据库按照基因表达量的不同分位数为标准将患者分为两组，通过Kaplan-meier survival plot对两个队列进行比较并计算出HR，95%CI以及logrank P value。目前数据库可以进行mRNA、miRNA、以及DNA和蛋白质水平的生存分析，其中mRNA的数据是最充实的。数据库中的表达数据和临床数据都会定期的维护和更新。

Kaplan-meier Plotter的一大特点是：直接绘制出的KM曲线图虽然配色不可调，但非常精美，完全可以直接放入文章中使用！

数据库链接：http://kmplot.com/analysis

数据库的使用

在进入数据库主页后，可以看到中间的几个板块分别对应了mRNA、miRNA、DNA和蛋白这四类分子的生存分析选项，我们可以选择特定分子类型在那种癌症中的生存分析，也可以在右上角的下拉条框中选择癌症或者分子类型。小编就用样本数最多的乳腺癌来给大家展示Kaplan-meier Plotter的功能吧！

01

选择需要的分子类型和癌症

选择start KM Plotter for breast cancer 选项后，进入操作界面。

02

设置参数

首先要输入我们的目标基因名，如果不止一个还可以点击右边的Use multiple genes按钮，同时进行多个基因的查询。在这里小编使用了两个基因作为目标进行分析。

接下来要通过split patients by选项对于样本进行划分，可以进行手动划分，也可以按照数据库推荐的最好的划分方式 Auto select best cutoff进行自动划分（这样划分出来的结果往往比较显著）

Probe set options选项中，有3个选择，可以让我们选择探针的方式（在输入一个基因名称后，会出现多个选项，这就是不同探针），如果想出现更好的结果，可以选择best probe。

在操作页面的下方，可以对我们熟悉的一些乳腺癌的分子特征进行设置，比如常见的ER、PR、HER2的阴性或者阳性，还可以通过乳腺癌亚型、淋巴结状态等特征进行区分。

设置完毕以后通过Draw Kaplan-Meier plot绘制KM曲线，稍等片刻就可以出结果啦！

03

结果展示

由于小编在预设的分析条件中没有设置随访时长，首次绘图的时候发现在150个月的时候曲线发生了交叉，所以改变了一下随访时间，设置为120个月，p值确实更显著了一些！

在这里小编主要介绍了mRNA的生存分析流程，对于miRNA、DNA等分子，分析的流程都与mRNA类似，大家可以在实践中去多加探索！

小编总结

Kaplan-Meier Plotter可调整的临床信息全面、可以分析癌症的多个亚型的生存曲线，数据使用的自由度高、能自动选择最优的分组策略、操作简便、出图也相对美观。由于Kaplan-Meier Plotter用的是制作者自测的数据库，因此本网站也可以作为TCGA相关数据挖掘工具的补充。不过Kaplan-Meier Plotter唯一缺点就是，涵盖的癌症类型确实有点少，也期待它能在后续的更新中让数据量更加丰富起来！