学习笔记总结于『生信技能树』马拉松课程

生存分析主要就是做KM-plot和批量分析，根据算法的不同又分为Log-rank批量生存分析和Cox批量生存分析

一、KM-plot

可视化的R包是现成的，所以同理差异分析，生存分析重要的也是输入数据的准备。图1两张图来源于同一个输入数据，只是参数设置的不同

横坐标时间，纵坐标生存率。对于结局是存活的人，其时间为从随访开始至最后随访时间；对于结局是死亡的人，其时间为从随访开始至死亡时间

每个拐点处，即线的下降位置都意味着该时间点有人死亡。图1中那些“+”号意味着此处有病人达到了最后随访时间，至于其健康/死亡与否并不知道

二、生存分析作图代码

对于临床信息、基因表达量高低、高低风险等等，它们的画图代码其实都一样。因为函数没有生物学背景可言，只要输给函数的数据符合规范，它就能计算出一个结果给我们

time为生存期，其也有很多种，如总生存期、无病生存期等等，Xena上有整理好的生存期信息

对画图代码而言，唯一需要改动的地方是如图4中的gender，这里是性别，可改成其他的。如果要改成年龄，需要分好组例如年龄>60为一组，≤60为另一组。分组的数量不用太多，两两比较效果较好，太多了容易显著没有意义

图4中的time、event都是meta这个表格里的列名

三、常用KM-plot的原因

①它是非参数估计，不要求总体一定要符合哪种分布形式。（对于临床数据而言，肯定没办法控制这些数据符合正态分布、泊松分布等等，而对于这种没有特定分布形式的数据，用带有参数的统计方法是不合适的）

②能直观地表现出两组或多组的生存率或死亡率，适合在文章中展示

③能通过组间比较：log-rank检验来得到p值，拿p值衡量两组之间的生存率的差异是否显著（如果有1w个基因，不需要画1w张KM-plot图，而是计算1w次log-rank test再进行筛选）

四、连续性数据需要离散化

对于连续性数据，例如年龄，我们无法做到1岁一个组、2岁一个组等等……于是可以将其离散化，直接的办法即分成两段即可

①根据中位数截断 ②根据某个具体的数值截断（按经验取值） ③最佳截断值（以结果为导向，哪个数值对自己结果有利，或许可以考虑就用哪个值）

五、meta临床信息表格

最后我们需要整理出一个如图5的表格，其中包含event、time和各种临床信息

谢谢观看