快速高效KM生存曲线绘制-脚本使用

KM生存曲线

Kaplan-Meier法是现如今生信分析最常用的方法之一,先通过计算出活过一定时期的患者再活过下一时期的概率(即生存概率),然后将逐个生存概率相乘,得到相应时段的生存率。基于这一方法,绘制出KM生存曲线能够直观展现分类变量(如治疗A vs 治疗B,男 vs 女等)对患者生存造成的影响。

例如:2021年发表在The Journal for ImmunoTherapy of Cancer上的一篇影响因子为13.75的文献为例,该文献中运用KM生存曲线生动形象地展现了不同变量分别对患者生存的影响。

作者根据基因表达量和细胞浸润程度的高低对样本进行分组,以总生存期(OS)绘制KM生存曲线,随着时间的推移,生存率从1逐渐下降,但可以看出黄色生存曲线始终高于蓝色生存曲线,即说明其代表的低表达组/低浸润组的生存率更高。同时图中还添加了基于Log-rank检验比较两组生存曲线得到的P值,通过P值可以判断两组生存曲线之间是否有统计学差异,一般认为P值小于0.05即表示两组间有显著的生存差异。

attachments-2022-06-xGS6VRvX62a2dd373cd23.png


为了使大家更简便快捷地绘制出精美的KM生存曲线,这里我们给大家提供一个绘制KM生存曲线的R脚本,这个脚本只需要准备好相应的输入文件,再进行简单的命令行操作即可绘制出KM生存曲线,判断该变量对患者生存是否有显著影响。

使用命令示例如下

#输入变量为连续变量时,取连续变量的中位值对样本进行分组,绘制KM生存曲线
Rscript /share/work/fangs/scripts/tcga/km_plot.r -m metadata_group.tsv \
    -t TIME -s EVENT --median_cut -g IRPS -n IRPS_group -o kmplot -p IRPS -H 6 -W 6

attachments-2022-06-Tu07MMno62a2dec2a1ec7.png

#输入变量为连续变量时,通过survminer包的surv_cutpoint函数取连续变量的最佳截断值对样本进行分组,绘制KM生存曲线
Rscript /share/work/fangs/scripts/tcga/km_plot.r -m metadata_group.tsv \    
    -t TIME -s EVENT --surv_cut -g IRPS -n IRPS_group -o kmplot -p IRPS -H 6 -W 6

attachments-2022-06-EVWxnBMr62a2df2666a13.png

#输入变量为分类变量时,可直接绘制KM生存曲线
Rscript /share/work/fangs/scripts/tcga/km_plot.r -m metadata_group.tsv \
    -t TIME -s EVENT -g Subtype -o kmplot -p DDR_Subtype -H 6 -W 6

attachments-2022-06-UMCde4L962a2e0274ef91.png

输入文件准备

这个脚本所必需的输入文件只有一个,通过-m参数指定(metadata_group.tsv,文件中每一行为一个样本,列必须包含可对样本进行分组的分类变量或连续变量以及样本的生存数据,如下列表格所示:

barcode
TIME
EVENT
IRPS
Subtype
TCGA-E2-A158-11A-22R-A12D-07
450
0
17.53
S1
TCGA-BH-A0DD-11A-23R-A12P-07
2486
0
16.79
S2
TCGA-BH-A1EO-11A-31R-A137-07
2798
119.29
S2

更多脚本参数设置及说明

初次使用脚本时,可以通过-h参数获得以下帮助信息。

Rscript km_plot.r -h
usage: km_plot.r [-h] -m metadata [--surv_cut] [--median_cut] [-l] [-t time]
                 [-s status] [-g group] [-n group_name] [-y ylab] [-H HEIGHT]
                 [-W WIDTH] [-o outdir] [-p prefix]

KM plot

optional arguments:
  -h, --help            show this help message and exit
  -m metadata, --metadata metadata
                        input the path to the clinical information file
                        containing survival data[required]
  --surv_cut            Whether to group by surv_cutpoint
                        function[optional,default:False]
  --median_cut          Whether to group by median[optional,default:False]
  -l, --log2            Whether to do the log2 transformation of a continuous
                        variable[default FALSE]
  -t time, --time time  Specifies the column name for the
                        lifetime[optional,default:OS_Time]
  -s status, --status status
                        Specifies the survival event column
                        name[optional,default:OS_Status]
  -g group, --group group
                        Specifies the column name that contains grouping
                        information[optional,default:m6acluster]
  -n name, --name name
                        The column name of the sample grouping information
                        after the samples are grouped according to continuous
                        variables[optional,default:group]
  -y ylab, --ylab ylab  Image y axis name[optional,default:Overall survival]
  -H HEIGHT, --height HEIGHT
                        the height of dumbbell plot[optional,default 6]
  -W WIDTH, --width WIDTH
                        the width of dumbbell plot[optional,default 8]
  -o outdir, --outdir outdir
                        output file directory[optional,default cwd]
  -p prefix, --prefix prefix
                        out file name prefix[optional,default m6a]

根据自身需要调整必要的参数:

-t 输入列名,指定样本的生存时间;

-s 输入列名,指定样本的生存状态(死亡为1,存活为0);

-g 输入列名,指定根据哪一个变量对样本进行分组,仅可分为两组;

-y 输入KM生存曲线中y轴的名称,一般根据样本生存时间的类型进行调整,如以样本总生存期(OS)绘制则可命名为Overall survival。

--median_cut和--surv_cut以及-n这三个参数比较特殊,当针对的变量为分类变量时,这三个参数可不添加,直接根据分类变量对样本进行分组,此时仅生成KM生存曲线图。而当针对的变量为连续变量(如某个基因的表达量)时,就必须指定--median_cut和--surv_cut两个参数其中之一,同时还必须指定-n参数。指定--median_cut是对连续变量取中位值从而将样本分组;--surv_cut则是对连续变量通过survminer包的surv_cutpoint函数取最佳截断值从而将样本分组;-n参数是根据连续变量将样本分组后,指定包含该分组信息的列名,此时除了生成KM生存曲线图,还会在metadata_group.tsv的基础上加入新的样本分组信息并输出。

其他参数说明

--log2 加上该参数即要对连续变量进行log2转化;

-H 指定输出图片的高度,默认高为6英寸;

-W 指定输出图片的宽度,默认宽为8英寸;

-o 指定结果输出的路径,默认为当前路径;

-p 指定输出文件名字的前缀。

脚本获取方法

在“生信博士“公众号回复kmplot即可获得网盘链接以及提取码。

如何使用命令行的方法分析数据

可能有的人没有用过命令的形式分析数据, 可以学习下面的课程入门一下:

attachments-2022-06-mFGvvE8t62a2e1510fabb.png

  • 发表于 2022-06-10 14:16
  • 阅读 ( 88 )
  • 分类:R

0 条评论

请先 登录 后评论
fangs
fangs

16 篇文章

作家榜 »

  1. omicsgene 541 文章
  2. 安生水 252 文章
  3. Daitoue 167 文章
  4. 生物女学霸 120 文章
  5. 红橙子 78 文章
  6. CORNERSTONE 72 文章
  7. 生信老顽童 48 文章
  8. landy 37 文章