Cox比例风险回归模型单因素多因素生存分析

TCGA

Cox比例风险回归模型临床应用非常广泛，Cox分析得到的结果是可以直接运用到临床应用的，所以这个分析对癌症临床诊断有非常关键的作用，检测高低风险的关键基因，就可以预测病人5年生存率。

Cox比例风险回归模型，简称Cox回归模型。该模型又英国统计学家D.R.Cox于1972年提出，主要用于肿瘤和其他慢性病的预后分析，也可用于队列研究的病因探索。Cox回归模型能处理多个因素对生存时间影响的问题。

这里用到的癌症是：宫颈鳞状细胞癌CESC（临床307个样本，基因表达有304个样本）

1.TCGA数据库下载宫颈鳞状细胞癌数据

首先需要合并差异基因得到的表达量和临床信息

这个步骤非常重要，也是让很多人感觉麻烦的地方，TCGA数据库样本量大，一个重要的癌症样本300-500个，临床信息又是独立存在，这里用到的是总生存时间和生存状态，得到一个行名是样本，列名包括总生存时间、生存状态、以及所有差异基因，对应的数据是差异基因的表达量，当然这个表达量是处理过的，不是TCGA下载下载下来的原始数据。

如果还没有得到生存时间、生存状态的文件，也没有得到差异基因的表达量，那就要先做差异分析，提取生存时间。简单回顾一下，提取生存时间会用到TCGA数据库下载的metadata.txt文件，这个文件大家很熟悉，可以直接在TCGA数据库下载的；差异分析涉及的内容就比较多，首先要从TCGA数据库下载基因表达数据，然后用perl脚本合并所有样本的表达矩阵，得到矩阵之后，要对ID进行转换，TCGA数据库用的是ensmbol ID，需要转换gene symobl，得到gene symobl的矩阵之后，就可以做差异分析，做了差异分析，就可以接着我们上面的合并工作了。
TCGA临床数据于表达数据合并

2.单因素Cox分析

有了生存时间和表达量合并的文件，就可以做单因素Cox分析，直接用我们的R做分析，得到这样一个表格文件。
单因素cox分析

3.提取单因素P值

Cox单因素分析得到了单个基因的风险比和P值，可以筛选P值一个标准的基因，拿到这些基因，然后把这些基因的表达量筛选出来，还有样本的生存时间和生存状态，放在一个文件里面，用来做这些基因的多因素分析，当然了，筛选的基因不要多，控制在20个左右。简单点说，就是筛选这20个左右基因如同步骤一的文件。

4.多因素Cox分析

利用上面得到的关键基因的表达量做多因素分析，方法和单因素的差不多，只是这时用到了所有基因，而单因素是对每个基因做分析，多因素是用这些关键基因一起分析。可以得到风险值和高低风险分类。
风险表格

5.绘制生存曲线、ROC曲线

用到的都是上面多因素分析得到的数据，用所有样本的风险比例，生存时间，就可以做生存曲线，ROC曲线。风险生存曲线
ROC曲线

6.高低风险热图绘制

这里需要用到两个数据，一个是Cox多因素分析得到的基因，这个是根据Cox公式计算得到的，这里我们得到了7个，提取这7个基因的表达量，还有这7个基因在高低风险的分类，就可以绘制一张热图，热图从左到右的样本是风险分值以此从低到高的。
R语言实例练习：
单因素回归分析：

library("survival")
#install.packages('survminer')
library("survminer")
data("lung")
#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），再用survfit()函数对生存数据对象拟合生存函数
    
#Surv：用于创建生存数据对象
#survfit：创建KM生存曲线或是Cox调整生存曲线
fit <- survfit(Surv(time, status) ~ sex, data = lung)
#survdiff：用于不同组的统计检验
survdiff(Surv(time, status) ~ sex, data = lung)
#三种作图方法：
plot(fit)
ggsurvplot(fit,
           pval = TRUE, conf.int = TRUE,
           risk.table = TRUE, # Add risk table
           risk.table.col = "strata", # Change risk table color by groups
           linetype = "strata", # Change line type by groups
           surv.median.line = "hv", # Specify median survival
           ggtheme = theme_bw(), # Change ggplot2 theme
           palette = c("#E7B800", "#2E9FDF")
)
plot(fit,xlab="Time(Days)",ylab="Survival",main="title",col=c("blue","red"),lty=2,lwd=2) 
legend("topright",c("A","B"),col=c("blue","red"),lty=2,lwd=2,cex=0.7)

第一个作图语句输出：

Cox回归分析：

library("survival")
library("survminer")
#Cox模型主要用到的是coxph()函数，但需要先用Surv()函数产生一个生存对象；
#另外coxph()函数支持的方法有：exact，breslow以及exact，默认是exact
data("lung")
# res.cox <- coxph(Surv(time, status) ~ sex, data = lung)
# summary(res.cox)
#coef就是公式中的回归系数b（有时也叫做beta值）
#因此exp(coef)则是Cox模型中最主要的概念风险比（HR-hazard ratio）
# HR = 1: No effect
# HR < 1: Reduction in the hazard
# HR > 1: Increase in Hazard
# 在癌症研究中：
# hazard ratio > 1 is called bad prognostic factor
# hazard ratio < 1 is called good prognostic factor
res.cox <- coxph(Surv(time, status) ~ age + sex + ph.ecog, data =  lung)
summary(res.cox)
# Create the new data  
sex_df <- with(lung,
               data.frame(sex = c(1, 2), 
                          age = rep(mean(age, na.rm = TRUE), 2),
                          ph.ecog = c(1, 1)
               )
)
fit <- survfit(res.cox, newdata = sex_df)
ggsurvplot(fit, data = sex_df, conf.int = TRUE, 
           legend.labs=c("Sex=1", "Sex=2"),
           ggtheme = theme_minimal())