从分析的因素上看，有单因素分析和多因素分析。
生存分析的常用的单因素分析（描述生存过程）方法有乘积极限法(Kaplan-Meier分析)和寿命表法(Life Tables)，常用的多因素生存分析（分析生存过程的影响因素）方法有Cox比例风险回归模型。
从采取的分析方法上看，生存分析有非参数法：如Wilcoxon法、Log-rank法(对数秩检验)，参数法：如Weibull回归、lognormal回归等，和半参数分析：Cox回归。
在简单生存分析中，由于仅考虑单个影响因素（且为分类型或顺序型变量），故采取的是直接绘制生存曲线并作Log-Rank检验来判断影响因素和生存概率的方法。
而在COX回归分析中，需要同时考虑多个影响因素（可为分类/顺序型变量，也可为数值型变量），故而绘制生存曲线的方式显然不合适，此时就需通过建模的方法来进一步分析。
描述性统计分析：Kaplan-Meier分析：非参数估计，不要求总体的分布形式，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。
统计推断：组间比较：log-rank检验，两组之间生存率的差异是否显著。
单因素生存分析绘图 KM-Plot Kaplan-Meier analysis
rm(list = ls())
library(survival)
library(survminer)
setwd("D:/BioInformationAnalyze/TCGAdata/CRC")
load("TCGA-COAD_04.lncRNA_SurvData.Rdata") # 生存分析输入数据，包含tpm形式的表达矩阵和临床信息
年龄
sfit <- survfit(Surv(time, event) ~ age_group, data = meta)
# Surv()函数创建生存数据对象（主要输入生存时间和状态逻辑值）
# survfit()函数对生存数据对象拟合生存函数，创建KM(Kaplan-Meier)生存曲线
# time表示总生存期
# event表示终点时间（月），1死亡，0存活。
# ~age_group表示以年龄分组绘图，注意此方法仅适用二分类变量进行分组。如果不想分组，只看总体，~1即可
# 如果想看整体的sfit结果，可以summary(sfit) 或 summary(sfit)$table，
# 想看每个时间点的更好的方式则是:surv_summary(sfit)：
# time:曲线上的时间点。
# n.risk:时间t时面临风险的受试者数量.
# n.event:在时间t发生的事件数。
# n.censor:在时间t时退出风险集且没有事件的受审查对象的数量。
# surv:生存概率的估计。
# std.err:生存的标准误差。
# upper:置信区间的上限。
# lower:置信区间的下限。
# strata:表示生存曲线的分层。如果分层不为 NULL，则结果中存在多条曲线。分层（因子）的水平是曲线的标签。
# 根据上述sfit结果，我们可以将KM生存数据进行可视化，主要使用Survminer包的ggsurvplot()函数:
ggsurvplot(sfit, conf.int = FALSE, pval = TRUE)
# 通过设置参数，可在生存曲线基础上，再绘制两张辅助图:
ggsurvplot(sfit,
palette = c("#E7B800", "#2E9FDF"),
pval = TRUE, conf.int = TRUE, # 显示p值和置信区间
xlab = "Time in months", # x轴标签
linetype = "strata", # 线条类型
# fun = "event", # 绘制cumulative events图，即事件发生累计概率图
ggtheme = theme_light(), # 更改 ggplot2 主题
surv.median.line = "hv", # 指定中位生存期
risk.table = TRUE, # Number at risk图，表示在该生存时间长度内，还存活的case；较直接得反映出两组的一个差异情况。
# risk.table.col = "strata", # 按分组改变risk table的颜色
ncensor.plot = TRUE) # Number of censoring图，即该时间段内的删失值。
性别、年龄
sfit1 = survfit(Surv(time, event) ~ gender, data = meta) sfit2 = survfit(Surv(time, event) ~ age_group, data = meta) splots <- list() splots[[1]] <- ggsurvplot(sfit1, pval = TRUE, data = meta, risk.table = TRUE) splots[[2]] <- ggsurvplot(sfit2, pval = TRUE, data = meta, risk.table = TRUE) arrange_ggsurvplots(splots, print = TRUE, ncol = 2, nrow = 1, risk.table.height = 0.4) # 内置拼图函数
单个基因
设定某一基因的表达基准，将临床样本分为高表达high与低表达low两组，再进行生存分析。这里用表达矩阵的tpm值进行计算。
g = rownames(exprSet)[2] # 挑选基因，可修改成自己感兴趣的基因 meta$gene = ifelse(as.integer(exprSet[g,]) > median(as.integer(exprSet[g,])), "high", "low") sfit1 = survfit(Surv(time, event) ~ gene, data = meta) ggsurvplot(sfit1, pval = TRUE, data = meta, risk.table = TRUE)
多个基因
gs = rownames(exprSet)[1:4] # 挑选基因，可修改成自己感兴趣的基因
splots <- lapply(gs, function(g){
meta$gene = ifelse(as.integer(exprSet[g,]) > median(as.integer(exprSet[g,])), "high", "low")
sfit1 = survfit(Surv(time, event) ~ gene, data = meta)
ggsurvplot(sfit1, pval = TRUE, data = meta, risk.table = TRUE)
})
arrange_ggsurvplots(splots, print = TRUE,
ncol = 2, nrow = 2, risk.table.height = 0.4) # 内置拼图函数
log-rank批量生存分析
Log-Rank test:对不同组的生存率进行假设检验，是无参数检验，近似于卡方检验，零假设是组间没有差异。
用apply()函数批量计算所有表达矩阵中基因的生存分析p值，从而挑选出“显著基因”。这里用表达矩阵的tpm值进行计算
mySurv = with(meta, Surv(time, event))
log_rank_p <- apply(exprSet, 1, function(gene){
# gene = exprSet[1,]
meta$group = ifelse(gene > median(gene), "high", "low")
data.survdiff = survdiff(mySurv ~ group, data = meta)
# survdiff()用于检验两条或多条生存曲线之间是否存在差异，
# 或者针对已知替代项检验单条曲线，也适用于分组资料以及多组间生存曲线的比较；
p.val = 1 - pchisq(data.survdiff$chisq, length(data.survdiff$n) - 1) # 计算log-rank检验的p值
return(p.val)
})
log_rank_p = sort(log_rank_p) # 取出每一个基因生存分析的P值，形成表
table(log_rank_p < 0.01) # 哪些是P<0.01的
table(log_rank_p < 0.05) # 哪些是P<0.05的
KM曲线的优势：可以直接从图中看出组间差异。
KM曲线的局限性：1.无法得知暴露因素对结局的影响是非暴露组多少倍；2.没有控制其他变量。
要解决以上局限性，需引入Cox比例风险回归模型，进行多变量Cox回归分析，得到风险差异的具体估计值HR。 标签：分析,log,生存,TCGA,rank,meta,3.2,data From： https://www.cnblogs.com/xiaogaobugao/p/17083612.html