TCGA数据库生存分析绘制5年生存曲线
时间:2017-10-31 来源:原创 作者:森莘
微信公众号:biowolf_cn 点击:次
TCGA数据库分析，如果做了基础分析，可以得到几个数据表格；分别是基因表达量，做了差异分析之后得到的差异基因，提取了临床数据的可以得到临床数据，当然临床数据有简单的，也有复杂一些的，最简单的是从metadata文件提取，可以得到生存时间和生存状态，以及样本代号3列；如果是学习了如何用XML文件提取临床数据，那么可以得到常用的16列临床数据，包括生存时间，生存状态，TNM分期，分级等临床信息。TCGA数据库是以表达量见长的，对于治疗方式和术后等临床信息，一般都不全，所以希望分析更多癌症临床的学员，可以考虑使用SEER数据库，SEER数据库是癌症临床数据库，包括非常全的临床数据，是临床医学的重点研究数据库。 那么有了表达量文件，有了差异基因，又有了临床信息，把这些信息结合在一起，就可以分析单个基因的生存曲线了。那么如何才能把某个差异基因的表达量和临床数据结合起来的，这里需要我们用到样本代号作为切入点，临床数据也有样本代号，表达量文件也有样本代号。 当然这个步骤可以使用excel操作，也可以学习编程，编程是一劳永逸的事情，但是切不可窃取别人的劳动成果，购买了生信自学网的视频，得到了课件和代码，自己学习是可以的，这个不是分享的时候，我们生信自学网的课程和代码都是有版权的，希望大家尊重知识原创。 接下来，就可以绘制生存曲线了，生存曲线常用的软件，有R和SPSS，R功能强大，可以做数据处理和绘图多个分析，SPSS上手容易，但始终无法处理序列和文本文件，所以有时间建议学习下R。当然如果是学习生信自学网的课程，是无需编程基础的，直接学习，把代码放在R里面跑就可以了，准备好输入文件就OK了。 
生存曲线(survival curve)：以观察（随访）时间为横轴，以生存率为纵轴，将各个时间点所对应的生存率连接在一起的曲线图。
生存曲线是一条下降的曲线，分析时应注意曲线的高度和下降的坡度。平缓的生存曲线表示高生存率或较长生存期，陡峭的生存曲线表示低生存率或较短生存期。
TCGA数据库生存曲线，用到的R包是survival包
1. 生存时间（survival time）
生存时间：从研究起始到终点事件之间所经历的时间跨度，度量单位可以是小时、日、月、年等。研究起始、终点事件、时间单位应在研究设计阶段明确。
2. 删失（censoring）
生存结局（status）分为“死亡”与删失两类，“死亡”是感兴趣的终点事件，其他终点事件或生存结局都归类为删失（censoring）(也称截尾或终检)。举例来说，如果要研究两种治疗组直肠癌患者预后的差异，研究的终点事件是因直肠癌死亡；那么，因车祸的死亡，心梗发生的死亡，存活，失访的患者的生存结局都是：删失。在生存分析的图中，删失数据都统一用“+”显示。
(责任编辑：伏泽 微信：18520221056) 
|