另一种是比较热图和散点图,看预测因素和结果之间的相关性。...- cph(Surv(time,status)~ANLN+CENPA+GPR182+BCO2,LIRI)
#cph构建比例风险模型
#(使用ANLN、CENPA、GPR182和BCO2这四个基因的表达值构建...(2)减少热图基因展示
#只展示3个基因
ggrisk(fit, heatmap.genes=c('GPR182','CENPA','BCO2'))
02
调整图中各成分大小
ggrisk(fit,...3, #x轴扩增
relative_heights=c(0.1,0.1,0.01,0.15)
#图A、B、彩色边条和热图的相对高度
)
03
调整颜色
ggrisk...',high='orange') #C图中热图颜色
)
04
调整坐标轴标签位置
ggrisk(fit,
cutoff.value='median',
cutoff.x