生存分析KM-plot多图拼图

做多个基因的KM-plot时，每个基因会生成一个KM-plot，会涉及到拼图，主要是利用survminer包里面的arrange_ggsurvplots函数。在这里以TCGA-KIRC数据为例。

gene_list: 为基因列表组成的向量

genelist=c('TSPAN6','TNMD','DPM1','SCYL3')

meta: 临床信息，行名为样本ID，列名为time, event等信息

head(meta[1:4,1:4])
                       ID event     time                      race
TCGA-CJ-4916 TCGA-CJ-4916     0 45.76667                     WHITE
TCGA-B8-A8YJ TCGA-B8-A8YJ     0  0.80000 BLACK OR AFRICAN AMERICAN
TCGA-CJ-5678 TCGA-CJ-5678     1 19.13333 BLACK OR AFRICAN AMERICAN
TCGA-BP-5190 TCGA-BP-5190     0 33.70000                     WHITE

exprSet: 标准化（cpm, tpm等）之后的表达矩阵，行名为基因，列名为样本ID

head(exprSet[1:4,1:4])
       TCGA-CJ-4916 TCGA-B8-A8YJ TCGA-CJ-5678 TCGA-BP-5190
TSPAN6    4.9486255    5.0688183    5.8483206    5.1387816
TNMD      0.2888252    0.2314566    0.2787592    0.1797391
DPM1      4.4282681    4.7499192    5.0394630    4.0990503
SCYL3     3.7764235    3.3901273    3.2774735    2.9480172

最终代码：

library(survival)
library(survminer)
splots = list()

for(i in 1:length(gene_list)){
  x = meta
  g = gene_list[i]
  x$gene = ifelse(exprSet[g,]> median(exprSet[g,]),'high','low')
  sfit1 = survfit(Surv(time, event) ~gene, data = x)
  splots[[i]] =  ggsurvplot(sfit1, pval = TRUE, palette = "jco", 
                                       data = x, legend = c(0.8, 0.8), 
                                       title =gene_list[i],risk.table = T)
}
png("survs.png",height = 1200,width = 1200)
arrange_ggsurvplots(splots,nrow = 2, ncol = 2)
dev.off()

拼图效果如下：

image.png
代码致谢：生信技能树孙小洁老师