Surv单因素批量生存分析使用 cox批量生存回归分析有点像deseq2的design差异分析designG:\r\2021

您所在的位置：网站首页 › 单因素cox回归分析和km分析 › Surv单因素批量生存分析使用 cox批量生存回归分析有点像deseq2的design差异分析designG:\r\2021

Surv单因素批量生存分析使用 cox批量生存回归分析有点像deseq2的design差异分析designG:\r\2021

2024-07-10 00:26| 来源: 网络整理| 查看: 265

批量生存分析 input codes output

input：表达矩阵和 meta 信息表达矩阵在这里插入图片描述 meta信息

phe = as.data.frame(apply(phe,2,as.numeric)) phe$size=ifelse(phe$size>median(phe$size),'big','small') head(phe)

在这里插入图片描述

存活分析

library(survival) library(survminer) # 利用ggsurvplot快速绘制漂亮的生存曲线图 sfit median(exprSet['CBX4',]),'high','low') head(phe) table(phe$CBX4) ggsurvplot(survfit(Surv(time, event)~CBX4, data=phe), conf.int=F, pval=TRUE) phe$CBX6=ifelse(exprSet['CBX6',]>median(exprSet['CBX6',]),'high','low') head(phe) table(phe$CBX6) ggsurvplot(survfit(Surv(time, event)~CBX6, data=phe), conf.int=F, pval=TRUE)

在这里插入图片描述

with()R语言中的函数用于通过评估函数参数内的表达式来修改 DataFrame 的数据。用法： with(x, expr) 参数： x: DataFrame expr:修改数据的表达式 # R program to modify data of an object # Creating a data frame df = data.frame( "Name" = c("abc", "def", "ghi"), "Language" = c("R", "Python", "Java"), "Age" = c(22, 25, 45) ) df # Calling with() function with(df, {df$Age median(exprSet['H6PD',]),'high','low') table(phe$H6PD) ggsurvplot(survfit(Surv(time, event)~H6PD, data=phe), conf.int=F, pval=TRUE)

在这里插入图片描述

head(log_rank_p)

ZZZ3 ZZEF1 ZYX ZXDC ZXDB ZWINT 0.15685996 0.29704979 0.01703644 0.08484583 0.33396320 0.03875669

在这里插入图片描述

log_rank_p=sort(log_rank_p) head(log_rank_p) boxplot(log_rank_p)

可以找到p值最小的为 HDP6基因

在这里插入图片描述

boxplot(log_rank_p) phe$H6PD=ifelse(exprSet['H6PD',]>median(exprSet['H6PD',]),'high','low') table(phe$H6PD) ggsurvplot(survfit(Surv(time, event)~H6PD, data=phe), conf.int=F, pval=TRUE)

在这里插入图片描述

前面如果我们使用了WGCNA找到了跟grade相关的基因模块，然后在这里就可以跟生存分析的显著性基因做交集

###这样就可以得到既能跟grade相关，又有临床预后意义的基因啦。

批量生存分析使用 coxph 回归方法因为cox可以进行多因素回归分析 colnames(phe) head(phe) mySurv=with(phe,Surv(time, event)) cox_results median(gene),'high','low') survival_dat

【本文地址】

Surv单因素批量生存分析使用 cox批量生存回归分析有点像deseq2的design差异分析designG:\r\2021

Surv单因素批量生存分析使用 cox批量生存回归分析有点像deseq2的design差异分析designG:\r\2021

今日新闻

推荐新闻