临床相关性分析（Age,Grade,Stage,T,M,N）

整理前格式.png

-不删掉unknow，空白等改为unknow
-Age：分为<=65和>65两组
-Grade：GX改为unknow
-Stage：Stage IA和Stage IB均改为Stage I，依次类推
-T,M,N：T1A,M1A,N1A改为T1,M1,N1，依次类推TX,MX,NX改为unknow

调整最终格式.png

然后新建clinical.txt，将上图内容粘贴进去

输入文件risk.png

#引用包
library(limma)
library(ggpubr)
riskFile="risk.txt"         #风险文件
cliFile="clinical.txt"      #临床数据文件
setwd("E:\\research")     #修改工作目录

#读取风险文件
risk=read.table(riskFile, header=T, sep="\t", check.names=F, row.names=1)

#读取临床数据文件
cli=read.table(cliFile, header=T, sep="\t", check.names=F, row.names=1)

#合并数据
samSample=intersect(row.names(risk), row.names(cli))
risk=risk[samSample,"riskScore",drop=F]
cli=cli[samSample,,drop=F]
rt=cbind(risk, cli)

#临床相关性分析，输出图形结果
for(clinical in colnames(rt[,2:ncol(rt)])){
    data=rt[c("riskScore", clinical)]
    colnames(data)=c("riskScore", "clinical")
    data=data[(data[,"clinical"]!="unknow"),]
    #设置比较组
    group=levels(factor(data$clinical))
    data$clinical=factor(data$clinical, levels=group)
    comp=combn(group,2)
    my_comparisons=list()
    for(i in 1:ncol(comp)){my_comparisons[[i]]<-comp[,i]}
    #绘制箱线图
    boxplot=ggboxplot(data, x="clinical", y="riskScore", color="clinical",
                  xlab=clinical,
                  ylab="Risk score",
                  legend.title=clinical,
                  add = "jitter")+ 
        stat_compare_means(comparisons = my_comparisons)
    #输出图片
    pdf(file=paste0(clinical, ".pdf"), width=5.5, height=5)
    print(boxplot)
    dev.off()
}