X-tile的使用选择最适cut-off值

数据准备：

将此数据存成txt（文本文件，制表符分隔）。

  打开x-tile并点击分析：

 然后File-open-选择数据导入。

Censor对应OS即生存状态，Survivaltime对应OS.time生存时间，marker1就是要研究的变量（基因表达，患者年龄，性别，分期等都可以）。

此处注意，如果随访的数据是天，就都改成Days，然后随访天数最长的加入是五千天，cutoff at写5000（加入4999天，也写5000） 

点击左上角Do-kaplan-Maier-maker1，出现如下界面：

点击红框的倒三角，能够确认最适的两个cut-off值，下面的长方形能确定最适的一个cut-off值。

把cut-off值记下来，然后用R语言做生存曲线。

我们先进行一下单因素cox回归，代码如下：

这是来自TCGA—BLCA的数据，OS.time生存时间，OS生存状态：1表示死亡，0表示存活，NSUN6是随意筛选的某个基因的表达量。下面开始测试代码：

setwd("D:\\data")
dir()
data <- read.csv("survival.csv",header = T,sep = ",")
head(data)##查看数据
> head(data)
            Sample OS.time OS    NSUN6
1 TCGA.2F.A9KO.01A     734  1 4.015870
2 TCGA.2F.A9KP.01A     364  1 3.922716
3 TCGA.2F.A9KQ.01A    2886  0 4.120226
4 TCGA.2F.A9KR.01A    3183  1 2.909812
5 TCGA.2F.A9KT.01A    3314  0 3.160342
6 TCGA.2F.A9KW.01A     254  1 2.203534

2.对需要分析的数据进行分组，这里以NSUN6中位值为界限，高于中位值的设置为高表达组，低于中位值的设置为地表达组。当然，我们也可以用一些软件确定自变量的cut-off值，如x-tile。x-tile的使用教程将在下期分享。

data$a <- ifelse(data$NSUN6>median(data$NSUN6),"High NSUN6 expression","Low NSUN6 expression")
> head(data)
            Sample OS.time OS    NSUN6                     a
1 TCGA.2F.A9KO.01A     734  1 4.015870 High NSUN6 expression
2 TCGA.2F.A9KP.01A     364  1 3.922716 High NSUN6 expression
3 TCGA.2F.A9KQ.01A    2886  0 4.120226 High NSUN6 expression
4 TCGA.2F.A9KR.01A    3183  1 2.909812  Low NSUN6 expression
5 TCGA.2F.A9KT.01A    3314  0 3.160342 High NSUN6 expression
6 TCGA.2F.A9KW.01A     254  1 2.203534  Low NSUN6 expression

3.接下来绘制生存曲线，代码如下

 
library(coin)
library(survminer)
library(survival)
fit <- survfit(Surv(OS.time,OS) ~ data$a, data = data)
d <- ggsurvplot_list(fit,data = data,pval = T,##是否添加P值
                     conf.int = F,### 是否添加置信区间
                     risk.table = T, # 是否添加风险表
                     risk.table.col = "strata", 
                     ###linetype = "strata",
                     surv.median.line = "hv", # 是否添加中位生存线
                     risk.table.y.text.col = F,risk.table.y.text = FALSE,
                     ggtheme = theme_bw()+theme(legend.text = element_text(colour = c("red", "blue")))
                     +theme(panel.grid.major = element_blank(),panel.grid.minor = element_blank())
                     +theme(plot.title = element_text(hjust = 0.5,size = 16,face = "bold"),axis.title.y.left = element_text(size = 16,face = "bold",vjust = 1),axis.title.x.bottom = element_text(size = 16,face = "bold",vjust = 0))
                     +theme(axis.text.x.bottom = element_text(size = 12,face = "bold",vjust = -0.8,colour = "black"))
                     +theme(axis.text.y.left = element_text(size = 12,face = "bold",vjust = 0.5,hjust = 0.5,angle = 90,colour = "black"))
                     +theme(legend.title = element_text(face = "bold",family = "Times",colour = "black",size = 12))
                     +theme(legend.text = element_text(face = "bold",family = "Times",colour = "black",size =12)), # Change ggplot2 theme
                     palette = c("#bc1e5d", "#0176bd"),##如果数据分为两组，就写两种颜色，三组就写三种颜色，具体的颜色搭配参考上一期发布的R语言颜色对比表
xlim=c(10,5000),##x轴的阈值，根据随访数据的天数进行更改
xlab = "Days")##随访的时间时天，就写Days，月份就写Months
 
d

代码中需要更改的地方已进行注释。

运行的图片如下：

最后我们分析一下两组之间的风险差异，使用单因素cox回归：

library(coin)
coxreg <- coxph(Surv(OS.time,OS) ~ data$a, data = data)
summary(coxreg)###exp(coef)表示HR值

结果如下：

> summary(coxreg)###exp(coef)表示HR值
Call:
coxph(formula = Surv(OS.time, OS) ~ data$a, data = data)
 
  n= 403, number of events= 178 
   (因为不存在，4个观察量被删除了)
 
                             coef exp(coef) se(coef)     z Pr(>|z|)  
data$aLow NSUN6 expression 0.2549    1.2903   0.1512 1.686   0.0919 .
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
 
                           exp(coef) exp(-coef) lower .95 upper .95
data$aLow NSUN6 expression      1.29      0.775    0.9594     1.735
 
Concordance= 0.542  (se = 0.02 )
Likelihood ratio test= 2.86  on 1 df,   p=0.09
Wald test            = 2.84  on 1 df,   p=0.09
Score (logrank) test = 2.86  on 1 df,   p=0.09
 

其中exp(coef)代表风险比（HR），1.29表示NSUN6低表达组较高表达组死亡风险增加1.29倍。但是logrank test显示P值没有意义。最后我们使用PS或者AI软件对图片进行修整，填上相关信息，最终图片如下所示：

1. setwd("C:\\Users\\ASUS\\Desktop\\KIRP与坏死性凋亡")

2. dir()

3. data <- read.csv("survival.csv",header = T,sep = ",")

4. head(data)

5. library(coin)

6. cox <- coxph(Surv(OS.time, OS) ~ RBCK1, data)

7. summary(cox)

   可以看到P值是有意义的，但是当我们以中位值做生存曲线时，算出来P值就没意义了：

8. data$RBCK1 <- ifelse(data$RBCK1>median(data$RBCK1),"High RBCK1 expression","Low RBCK1 expression")

9. cox <- coxph(Surv(OS.time, OS) ~ RBCK1, data)

10. summary(cox)

这是因为中位值并不是这个基因最合适的截断值，因此，我们需要选择最合适的截断值。

选择截断值的软件目前比较火比较方便的便是x-tile软件，pubmed上也有类似的文章介绍：X-tile: a new bio-informatics tool for biomarker assessment and outcome-based cut-point optimization - PubMed

下一期我们将详细介绍此软件如何使用。

我们使用此软件确定了基因RBCK1的最适cut-off值为7.0，根据7.0，我们将数据分为高地表达组，再次使用单因素cox回归分析，代码如下：

1. data$RBCK1 <- ifelse(data$RBCK1>7.0,"High RBCK1 expression","Low RBCK1 expression")

2. cox <- coxph(Surv(OS.time, OS) ~ RBCK1, data)

3. summary(cox)

因此，选择最适的cutoff值是很有必要的。关于生存曲线如何绘制，可以查看我们的另一期教程：

 （生物信息学）R语言绘图初-中-高级——3-10分文章必备——生存曲线（初级）_r高级生信图-CSDN博客

最后致敬大佬：楷然教你学生信

如何绘制一个好看的生存曲线：（生物信息学）R语言绘图初-中-高级——3-10分文章必备——生存曲线（初级）_r高级生信图-CSDN博客。