|
一 數(shù)據(jù)和R包二 原生KM曲線三 優(yōu)化KM曲線1 survminer繪制KM曲線2 坐標(biāo)軸，標(biāo)題，主題優(yōu)化3 Risk Table4 添加注釋信息 本文首發(fā)于“生信補(bǔ)給站”：https://mp.weixin.qq.com/s/lpkWwrLNtkLH8QA75X5STw
生存分析作為分析疾病/癌癥預(yù)后的出鏡頻率超高的分析手段，而其結(jié)果展示的KM曲線也必須擁有姓名和顏值！ 生存分析相關(guān)推文： 生存分析和KM曲線：R|生存分析（1） 分析結(jié)果一鍵輸出：R|生存分析-結(jié)果整理 時(shí)間依賴生存分析：R|timeROC-分析 一 數(shù)據(jù)和R包為方便，使用內(nèi)置lung數(shù)據(jù)集 #載入所需的R包
library("survival")
library("survminer")
#載入并查看數(shù)據(jù)集
data("lung")
head(lung)
inst time status age sex ph.ecog ph.karno pat.karno meal.cal wt.loss
1 3 306 2 74 1 1 90 100 1175 NA
2 3 455 2 68 1 0 90 90 1225 15
3 3 1010 1 56 1 0 90 90 NA 15
4 5 210 2 57 1 1 90 60 1150 11
5 1 883 2 60 1 0 100 90 NA 0
6 12 1022 1 74 1 1 50 80 513 0 二 原生KM曲線#構(gòu)建模型
fit <- survfit(Surv(time, status) ~ sex, data=lung)
#繪制原生KM曲線 plot(fit) 
可以很容易的發(fā)現(xiàn)與文獻(xiàn)中的差異，可優(yōu)化： 1）區(qū)分兩條線的顏色和legend 2）坐標(biāo)軸，標(biāo)題，主題優(yōu)化 3）Risk table 4）P值，OR值，CI值等注釋信息 三 優(yōu)化KM曲線1 survminer繪制KM曲線p1 <- ggsurvplot(fit)
P1 
吶，線的顏色可以和性別對(duì)應(yīng)起來(lái)了，Q1解決！ 2 坐標(biāo)軸，標(biāo)題，主題優(yōu)化p2 <- ggsurvplot(fit, data = lung,
surv.median.line = "hv", #添加中位生存曲線
palette=c("red", "blue"), #更改線的顏色
legend.labs=c("Sex1","Sex2"), #標(biāo)簽
legend.title="Treatment",
title="Overall survival", #標(biāo)題
ylab="Cumulative survival (percentage)",xlab = " Time (Days)", #更改橫縱坐標(biāo)
censor.shape = 124,censor.size = 2,conf.int = FALSE, #刪失點(diǎn)的形狀和大小
break.x.by = 100#橫坐標(biāo)間隔
)
P2 
以上基本就完成了KM曲線顏色，線型大小，標(biāo)簽，橫縱坐標(biāo)，標(biāo)題，刪失點(diǎn)等的修改，Q2搞定！ 注意中位生存時(shí)間表示50 ％的個(gè)體尚存活的時(shí)間，而不是生存時(shí)間的中位數(shù) 3 Risk Tablep3 <- ggsurvplot(fit, data = lung,
surv.median.line = "hv", #添加中位生存曲線
palette=c("red", "blue"),
legend.labs=c("Sex1","Sex2"), #標(biāo)簽
legend.title="Treatment",
title="Overall survival",
ylab="Cumulative survival (percentage)",xlab = " Time (Days)", #更改橫縱坐標(biāo)
censor.shape = 124,censor.size = 2,conf.int = FALSE,
break.x.by = 100,
risk.table = TRUE,tables.height = 0.2,
tables.theme = theme_cleantable(),
ggtheme = theme_bw())
p3 
注 tables.height可調(diào)整為看起來(lái)“舒服”的高度 根據(jù)risk table 可以看出關(guān)鍵點(diǎn)的當(dāng)前狀態(tài)，Q3擺平！ 4 添加注釋信息1）添加KM的P值 P4 <- ggsurvplot(fit, data = lung,
pval = TRUE,#添加P值
pval.coord = c(0, 0.03), #調(diào)節(jié)Pval的位置
surv.median.line = "hv", #添加中位生存曲線
palette=c("red", "blue"),
legend.labs=c("Sex1","Sex2"), #標(biāo)簽
legend.title="Treatment",
title="Overall survival",
ylab="Cumulative survival (percentage)",xlab = " Time (Days)", #更改橫縱坐標(biāo)
censor.shape = 124,censor.size = 2,conf.int = FALSE,
break.x.by = 100,
risk.table = TRUE,tables.height = 0.2,
tables.theme = theme_cleantable(),
ggtheme = theme_bw())
P4 
pval.coord可以調(diào)節(jié)P值得位置 2）添加COX回歸hazard ratio值等相關(guān)信息** ###添加COX回歸hazard ratio值相關(guān)信息
res_cox<-coxph(Surv(time, status) ~sex, data=lung)
p3$plot = p3$plot + ggplot2::annotate("text",x = 50, y = 0.15,
label = paste("HR :",round(summary(res_cox)$conf.int[1],2))) + ggplot2::annotate("text",x = 50, y = 0.10,
label = paste("(","95%CI:",round(summary(res_cox)$conf.int[3],2),"-",round(summary(res_cox)$conf.int[4],2),")",sep = ""))+
ggplot2::annotate("text",x = 50, y = 0.05,
label = paste("P:",round(summary(res_cox)$coef[5],4)))
p3 
3）添加其他信息 可類似上述annotation得方式，使用ggplot2添加文字，箭頭，公式等其他信息，下面為你可能需要的ggplot2的幾個(gè)知識(shí)： ggplot2|詳解八大基本繪圖要素 ggplot2|theme主題設(shè)置，詳解繪圖優(yōu)化-“精雕細(xì)琢” ggplot2 |legend參數(shù)設(shè)置，圖形精雕細(xì)琢 ggplot2|ggpubr進(jìn)行“paper”組圖合并 參考資料： 更多參數(shù)參見(jiàn)官方文檔：https://github.com/kassambara/survminer ◆ ◆ ◆ ◆ ◆ 精心整理（含圖版）|R語(yǔ)言生信分析，可視化，你要的全拿走，建議收藏！
|
