设为首页收藏本站
开启辅助访问

生存分析 存活分析 survival analysis 基因的 高低表达生存分析 按照基因表达量的高低做生存分析 批量基因批量生存分析 做生存分析，已经不需要正常样本的表达矩阵了，所以需要过滤

 您所在的位置：网站首页 › 生存分析meta提取数据的方法 › 生存分析 存活分析 survival analysis 基因的 高低表达生存分析 按照基因表达量的高低做生存分析 批量基因批量生存分析 做生存分析，已经不需要正常样本的表达矩阵了，所以需要过滤

生存分析 存活分析 survival analysis 基因的 高低表达生存分析 按照基因表达量的高低做生存分析 批量基因批量生存分析 做生存分析，已经不需要正常样本的表达矩阵了，所以需要过滤

2024-07-13 23:38| 来源: 网络整理| 查看: 265

这里做生存分析，已经不需要正常样本的表达矩阵了，所以需要过滤。 而且临床信息，有需要进行整理。 survival analysis only for patients with tumor.

在这里插入图片描述 在这里插入图片描述

数据准备：

1.phe 临床信息 dataframe格式 。行名顺序要与表达矩阵样本顺序一致 ， #####至少包括是否死亡event 生存时间time 以及分类标准（基因高低 肿瘤分期 是否转移等）

2.表达矩阵

在这里插入图片描述

临床信息 meta信息 在这里插入图片描述 给感兴趣的指标进行赋值 在这里插入图片描述

画生存曲线 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[eachgene,]),'high','low') p=ggsurvplot(survfit(mySurv~group, data=phe), conf.int=F, pval=TRUE) pdf(paste0(eachgene, "_surv.pdf"),width = 5, height = 5) print(p, newpage = FALSE) dev.off() 方法二 #批量输出 成功！ 不推荐这个方法 if(1==2){ dir.create("G:/r/duqiang_IPF/GSE70866—true—_BAL_IPF_donors_RNA-seq/survival_for_genes-1") setwd("G:/r/duqiang_IPF/GSE70866—true—_BAL_IPF_donors_RNA-seq/survival_for_genes-1") mySurv=with(phe,Surv(time, event)) for (eachgene in gene_interested) { phe[eachgene]=ifelse(exprSet[eachgene,]>median(exprSet[eachgene,]),'high','low') p=ggsurvplot(survfit(mySurv~phe[,eachgene], data=phe), conf.int=F, pval=TRUE) pdf(paste0(eachgene, "_surv.pdf"),width = 5, height = 5) print(p, newpage = FALSE) dev.off() } 批量生存分析 使用 coxph 回归方法 colnames(phe) mySurv=with(phe,Surv(time, event)) cox_results median(gene),'high','low') survival_dat


【本文地址】


今日新闻

推荐新闻

CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3