将Cox回归分析的结果提取出来，用森林图展示
step1 生成示例数据
options(stringsAsFactors = F)
# 生成模拟数据(基因表达与生存时间)
df <- data.frame(ID = paste0("TCGA-",sample(100,100,replace = F)),
time = abs(rnorm(100, mean = 2, sd = 5)),
status = sample(c(0,1),100,replace = T))
geneVec <- replicate(50,paste0(sample(LETTERS,4,replace = T),collapse = ""))
for (i in geneVec) {
dfGene <- data.frame(i = abs(rnorm(100, mean = 5, sd = 8)))
df <- cbind(df,dfGene)
}
colnames(df)[4:length(df)] <- geneVec
生成的df数据框，如下图所示：
数据.png
包含了病人ID，生存时间，结局事件和50个基因的表达数据。因为都是随机生成的，因此如果运行的话这里的结果包括后续的结果是不一样的。
step2 多因素Cox回归
这里把所有的基因构建了多因素Cox模型，然后用双向逐步回归法筛选出最佳的基因模型。并将模型的结果提取出来，合并成数据框，用于后续的森林图中。
# COX模型构建
library(survival)
multiCox <- coxph(Surv(time, status) ~ ., data = df[,-1])
multiCox <- step(multiCox,direction = "both")
multiCoxSum <- summary(multiCox)
# 输出模型参数
out_multi <- data.frame()
out_multi <- cbind(
coef=multiCoxSum$coefficients[,"coef"],
HR=multiCoxSum$conf.int[,"exp(coef)"],
HR.95L=multiCoxSum$conf.int[,"lower .95"],
HR.95H=multiCoxSum$conf.int[,"upper .95"],
pvalue=multiCoxSum$coefficients[,"Pr(>|z|)"])
out_multi <- as.data.frame(cbind(id=row.names(out_multi),out_multi))
生成的数据框out_multi如下图：
out_multi.png
step3 森林图
这里要注意的是，因为是随机的数据，因此从50个基因数据中筛选出的最佳模型中，基因个数是不同的。
因此，下面代码中，有一行的数据是需要修改的。
# 森林图
out_multi[,2:ncol(out_multi)] <- as.numeric(unlist(out_multi[,2:ncol(out_multi)]))
hz <- paste(round(out_multi$HR,3),
"(",round(out_multi$HR.95L,3),
"-",round(out_multi$HR.95H,3),")",sep = "")
tabletext <- cbind(c(NA,"Gene",out_multi$id),
c(NA,"Coefficient",round(out_multi$coef,3)),
c(NA,"P value",ifelse(out_multi$pvalue<0.001,"P < 0.001",round(out_multi$pvalue,3))),
c(NA,"Hazard Ratio(95% CI)",hz))
library(forestplot)
forestplot(labeltext=tabletext,
graph.pos=3, #为Pvalue箱线图所在的位置
col=fpColors(box="#D55E00", lines="#CC79A7", zero = "gray50"),
mean=c(NA,NA,out_multi$HR),
lower=c(NA,NA,out_multi$HR.95L), #95%置信区间下限
upper=c(NA,NA,out_multi$HR.95H), #95%置信区间上限
boxsize=0.3,lwd.ci=2, #箱子大小，线的宽度
ci.vertices.height = 0.08,ci.vertices=TRUE, #置信区间用线宽、高、型
zero=1,lwd.zero=1, #zero线宽 基准线的位置
colgap=unit(5,"mm"), #列间隙
xticks = c(0.5, 1,1.5), #横坐标刻度
lwd.xaxis=1, #X轴线宽
lineheight = unit(0.8,"cm"), #固定行高
graphwidth = unit(.3,"npc"), #图在表中的宽度比例
cex=0.9, fn.ci_norm = fpDrawCircleCI, #误差条显示方式
hrzl_lines=list("2" = gpar(lwd=2, col="black"),
"3" = gpar(lwd=2, col="black"), #第三行顶部加黑线，引号内数字标记行位置
"16" = gpar(lwd=2, col="black")),#最后一行底部加黑线,"16"中数字为nrow(tabletext)+1
mar=unit(rep(0.5, times = 4), "cm"),#图形页边距
#fpTxtGp函数中的cex参数设置各个组件的大小
txt_gp=fpTxtGp(label=gpar(cex=1),
ticks=gpar(cex=1.5),
xlab=gpar(cex = 1.25),
title=gpar(cex = 1.2)),
xlab="Hazard Ratio")
需要修改的如下图：
需修改.png
直接键入nrow(tabletext)+1运行就是你需要输入的数字
最终的结果如下图所示：
森林图.png