网站策划 ppt,北京装修公司排名推荐,室内设计效果图线稿,长沙市制作网站大家在进行生存预后分析时发现结果不显著#xff0c;是不是当头一棒#xff01;两眼一黑#xff01;难不成这就代表我们的研究没意义吗#xff1f;NONONO#xff01;别慌#xff01;说不定还有救#xff01;快来看看最佳阈值能不能捞你一把#xff01; 对生存分析感兴趣… 大家在进行生存预后分析时发现结果不显著是不是当头一棒两眼一黑难不成这就代表我们的研究没意义吗NONONO别慌说不定还有救快来看看最佳阈值能不能捞你一把 对生存分析感兴趣的小伙伴可以查看看完不会来揍我 | 生存分析详解 | 从基础概念到生存曲线绘制 | 代码注释 结果解读 生存分析不显著怎么办
通常情况下为了确定一个二分变量例如基因表达高/低的最佳阈值我们可能会使用中位数作为阈值将样本分为两组然后对生存曲线进行比较。但有时候使用中位数作为阈值可能并不足以找到显著的差异这时可以考虑使用最佳阈值方法来寻找更加适合的阈值。来咱们今天就一起去xio习一下 老规矩本文所用到的数据和代码我已经上传到了GitHub有需要的话大家可以在公众号后台回复最佳阈值即可获得存放数据的链接很多需要注意的问题也会在代码注释中进行详细说明。不过我在分享过程中也会把每一步的输入数据和输出结果进行展示大家可以作为参考并调整自己的数据格式然后直接用自己的数据跑也是没有任何问题的 # 生存预后不显著最佳阈值来帮你# 加载包没安装的记得安装一下哟
library(survival)
library(survminer)# 加载数据
best_threshold_data - read.csv(./best_threshold_data.csv)
head(best_threshold_data)
# sample risk_score OS OS.time
# 1 TCGA-06-0878-01 2.538694 0 218
# 2 TCGA-26-5135-01 3.736050 1 270
# 3 TCGA-06-5859-01 3.701219 0 139
# 4 TCGA-06-2563-01 3.318001 0 932
# 5 TCGA-41-2571-01 5.102783 1 26
# 6 TCGA-28-5207-01 6.899652 1 343# 数据包含了四列样本名称sample、风险评分risk_score、生存状态OS和生存时间OS.time。# 使用中位数作为阈值来将样本分为高风险组和低风险组
# 如果风险评分大于等于中位数则标记为High Risk否则标记为Low Risk
best_threshold_data$group - ifelse(best_threshold_data$risk_score median(best_threshold_data$risk_score), High Risk, Low Risk)# 创建生存对象Surv对象包含生存时间和生存状态信息
surv_obj - Surv(time best_threshold_data$OS.time, event best_threshold_data$OS)# 使用survfit()函数拟合生存曲线
surv_fit - survfit(surv_obj ~ best_threshold_data$group)# 绘制生存曲线
ggsurvplot(surv_fit, data best_threshold_data, surv.median.line hv,pval TRUE, # 显示p值xlab Time (days), ylab Survival Probability, # x轴和y轴标签legend.title , # 图例标题为空break.x.by 1000, # x轴刻度间隔color strata, # 根据分组着色palette c(#bc5148, #3090a1)) # 自定义颜色哎最恶毒的诅咒莫过于“祝你P 0.05”这不显著可咋整咱这分析不就没意义了嘛
且慢我们的救兵来啦下面请欣赏它的表演
最佳阈值选择
目前比较常见的方法有
使用survminer包中的surv_cutpoint函数实现使用cutoff包中的logrank函数实现基于X-Tile软件实现
下面咱们就挨个介绍
survminer包的surv_cutpoint函数
# survminer包的surv_cutpoint函数
# 使用survminer包的surv_cutpoint函数来寻找最佳阈值
best_threshold_surv - surv_cutpoint(best_threshold_data,time OS.time, # 生存时间列名event OS, # 生存事件列名variables risk_score, # 需要寻找阈值的变量列名minprop 0.3, # 最小比例防止找到的阈值过于极端progressbar TRUE) # 显示进度条# 查看找到的最佳阈值的摘要统计信息
summary(best_threshold_surv)
# cutpoint statistic
# risk_score 4.420631 1.748393# 我们这里只计算了一个变量的最佳阈值还可以计算多个变量的最佳阈值只需将variables参数设为c(变量1, 变量2, 变量3)。# 根据找到的最佳阈值对数据进行分组
best_threshold_data - surv_categorize(best_threshold_surv)# 创建生存对象Surv对象包含生存时间和生存状态信息
surv_obj - Surv(time best_threshold_data$OS.time, event best_threshold_data$OS)# 使用survfit()函数拟合生存曲线
surv_fit - survfit(surv_obj ~ best_threshold_data$risk_score)# 绘制生存曲线
ggsurvplot(surv_fit, data best_threshold_data, surv.median.line hv,pval TRUE, # 显示p值xlab Time (days), ylab Survival Probability, # x轴和y轴标签legend.title , # 图例标题为空break.x.by 1000, # x轴刻度间隔color strata, # 根据分组着色palette c(#bc5148, #3090a1)) # 自定义颜色是不是比上面显著多啦
cutoff包的logrank函数
# cutoff包的logrank函数# 重新加载数据
best_threshold_data - read.csv(./best_threshold_data.csv)# 加载cutoff包
library(cutoff)# 使用cutoff包的logrank函数来寻找最佳阈值
best_threshold_surv_2 - logrank(data best_threshold_data,time OS.time, # 生存时间列名y OS, # 生存事件列名x risk_score, # 需要寻找阈值的变量列名cut.numb 1, # 截点个数n.per 0.2, # 分组后每组样本量占总样本量的最小比例y.per 0.1, # 分组后每组中较少结果的最小比例p.cut 0.1, # p值截断round 5) # 保留几位小数# 打印找到的最佳阈值及相关信息
best_threshold_surv_2[order(best_threshold_surv_2$pvalue, decreasing F), ]
# cut1 n n.per y y.per pvalue p.adjust
# 1 4.420631 103/51 0.66883/0.33117 76/47 0.73786/0.92157 0.07617 7.08378 # 根据找到的最佳阈值对数据进行分组
best_threshold_data$Group ifelse(best_threshold_data$risk_score best_threshold_surv_2[order(best_threshold_surv_2$pvalue, decreasing F), ][1, 1],High Risk,Low Risk)# 创建生存对象Surv对象包含生存时间和生存状态信息
surv_obj - Surv(time best_threshold_data$OS.time, event best_threshold_data$OS)# 使用survfit()函数拟合生存曲线
surv_fit - survfit(surv_obj ~ best_threshold_data$Group)# 绘制生存曲线
ggsurvplot(surv_fit, data best_threshold_data, surv.median.line hv,pval TRUE, # 显示p值xlab Time (days), ylab Survival Probability, # x轴和y轴标签legend.title , # 图例标题为空break.x.by 1000, # x轴刻度间隔color strata, # 根据分组着色palette c(#bc5148, #3090a1)) # 自定义颜色虽然不如刚刚那个但也比原来好多啦是不
X-Tile 这个我就不详细介绍啦有兴趣的小伙伴们可以去点点点试试
官网https://medicine.yale.edu/lab/rimm/research/software/
教程https://cloud.tencent.com/developer/news/283239
小小总结
survminer包的surv_cutpoint函数 基于maxstat包的maxstat.test函数计算出Maximally Selected Rank Statistics通过最大化差异来确定最佳阈值。可以同时计算多个变量的最佳截断值。一次只能找到一个最佳截断值无法同时找到多个截断值。 cutoff包的logrank函数 在自由度固定的情况下计算log-rank卡方值通过检验分组之间的差异来确定最佳阈值。提供了不同的函数用于计算多种模型的截断点例如cox、linear、logit等每种模型都使用对应的统计检验来确定阈值。一次只能找到一个最佳截断值。 X-tile软件 基于log-rank卡方值来确定最佳截断值将数据分为不同组可以选择找到一个或两个最佳截断值以将数据分成两组或三组。一次只能计算一个变量的最佳阈值。
大家自行选择哟依据个人经验俺更推荐survminer包的surv_cutpoint函数它在多数情况下表现都还不戳个人观点仅供参考最终解释权归小蛮要所有
文末碎碎念
那今天的分享就到这里啦我们下期再见哟
最后顺便给自己推荐一下嘿嘿嘿
如果我的分享对你有用的话欢迎关注点赞在看转发分享阿巴阿巴阿巴阿巴巴巴这可是我的第一原动力
蟹蟹你们的喜欢和支持
啊对如果小伙伴们有需求的话也可以加入我们的交流群一定要知道 | 永久免费的生信交流群终于来啦
还有兴趣的话也可以看看我掏心掏肺的干货满满 | 给生信小白的入门小建议 | 掏心掏肺版绝对干货满满
如果有小伙伴对付费分析有需求的话可以看看这里个性化科研服务 | 付费分析试营业正式启动啦定制你的专属生信分析可提供1v1答疑
入群链接后续可能会不定期更新主要是因为群满换码或是其他原因如果小伙伴点开它之后发现咦怎么失效啦不要慌咱们辛苦一下动动小手去主页的要咨询那里点击进交流群即可入群 参考资料
https://cloud.tencent.com/developer/article/1875291https://mp.weixin.qq.com/s/pOgbzHZNQC8z7KdrrrNd1Ahttps://mp.weixin.qq.com/s/TB43jWO7CX8_o2eUXWl1Fw
