尔云间 一个专门做科研的团队

小果 生信果

欢迎点赞+收藏+关注[给你小心心]

生信人R语言学习必备

立刻拥有一个Rstudio账号

开启升级模式吧

（56线程，256G内存，个人存储1T）

• 今天小果为大家带来的是利用ggrisk包来绘制好看的风险因子关联图奥，一张图片展示风险得分曲线图，生存时间和风险得分散点图以及基因表达热图，绘制出的图片效果非常不错奥

接下来小果带着大家系统的学习一下该包的使用，从R包安装，示例数据展示和绘图，开始今天的分享，如果觉得对您有所帮助，点赞加关注奥。

安装需要的R包

install.packages("ggrisk")
install.packages("survival")
install.packages("rms")
#载入需要的R包
library(ggrisk)
library(survival)
library(rms)

读取数据

#数据文件第一列为生存时间，第二列为生存状态，其他列为基因。

data<-read.delim("data.txt")

代码展示

#构建cox模型
fit <- cph(Surv(time,status)~ANLN+CENPA+GPR182+BCO2,data)
#默认图形
ggrisk(fit)

图A为风险得分按照从小到大的顺序排列 （此示例为根据中值分组）；

图B为风险得分与生存时间的散点图，并按照结局将散点图分成红色和蓝色；

图C为基因表达量热图；

#调整风险得分的cutoff以及位置
ggrisk(fit,
cutoff.value='cutoff', #可选‘median’, ’roc’ or ’cutoff’
cutoff.x = 150,  #“cutoff”文本的水平位置
cutoff.y = -1  #“cutoff”文本的垂直位置
)

#cutoff.value 为划分风险值cutoff的方式：
#cutoff.value = "median"：默认方式，使用风险得分的中位数作为切点值；
#cutoff.value = "roc"：将风险得分和结局时间进行roc分析，将约登点作为最佳切点值；
#cutoff.value = "cutoff"：将会使用cutoff包，通过最小p值法计算出最佳切点。
#cutoff.value = 赋值数值：根据切点值将风险得分分为高危组和低危组。
#指定热图展示基因
grisk(fit, heatmap.genes=c('GPR182','CENPA','BCO2'))

#调整细节和颜色
pdf("TIME_heatmap.pdf",height=7,width=6, onefile = F)
ggrisk(fit,
code.highrisk = 'High Risk',#高风险标签，默认为 ’High’
code.lowrisk = 'Low Risk', #低风险标签，默认为 ’Low’
title.A.ylab='Risk Score', #A图 y轴名称
title.B.ylab='Survival Time(year)', #B图 y轴名称，注意区分year month day
title.A.legend='Risk Group', #A图图例名称
title.B.legend='Status',     #B图图例名称
title.C.legend='Expression', #C图图例名称
relative_heights=c(0.1,0.1,0.01,0.15), #A、B、热图注释和热图C的相对高度    
color.A=c(low='green',high='red'),#A图中点的颜色
color.B=c(code.0='green',code.1='red'), #B图中点的颜色
color.C=c(low='green',median='white',high='red'), #C图中热图颜色
vjust.A.ylab=1, #A图中y轴标签到y坐标轴的距离,默认是1
vjust.B.ylab=2  #B图中y轴标签到y坐标轴的距离,默认是2
)
dev.off()

今天我们利用ggrisk进行了风险因子联动图的绘制，绘制效果非常不错奥，小伙伴们如果需要其他生存分析相关的分析或者图片绘制可以尝试本公司新开发的云平台生物信息分析小工具，零代码完成分析，非常方便奥。

云平台网址：http://www.biocloudservice.com/home.html

小果今天的分享就到这里，欢迎大家和小果一起讨论学习奥，下期再见奥。

“生信果”，生信入门、R语言、生信图解读与绘制、软件操作、代码复现、生信硬核知识技能、服务器、生物信息学的教程，以及基于R的分析和可视化等原创内容，一起见证小白和大佬的成长。