list批量赋值_R语言_批量生存分析

##更改正确的工作路径（略）
##数据加载
load("lung.RData")##加载生存资料信息
load("TCGA_data_exp.RData")##加载表达矩阵及差异分析结果
colnames(lung)##生存资料信息
##得到差异基因
deg=tT[which(tT$FDR<0.01 & abs(tT$logFC)>5),]

gene=deg$GENEs
n=rownames(lung)
gene_exp=exp[gene,n]##得到差异基因的表达数据并匹配到含有生存数据的数据框中
gene_exp=data.frame(gene_exp)
gene_exp=t(gene_exp)
#rownames(gene_exp)=gsub(".","-",rownames(gene_exp))##不需要运行
lung=data.frame(lung,gene_exp[match(rownames(lung),rownames(gene_exp)),])

m=lung##
##计算每个基因在所有样本中的均值，赋值到数据框a中
a <- apply(m[,3:46], 2, mean)	#按列，求均值，1：2位genesymbol、geneid，后面的是每个基因表达数据
a=data.frame(a)
##根据均值，将样本分为高低表达组，此处46需要根据自己的数据修改，或改成length（colnames(lung))
for (i in 3:46) {
  n=colnames(lung)[i]
  lung[,n]=ifelse(lung[,n]>=a[n,],"high","low")
}
print(lung)

####批量生存曲线
library(survival)
library(survminer)
### 批量绘图
vars=deg$GENEs
for (i in vars){
  splots <- list()
  km_fit <- survfit(Surv(time,status)~lung[,i], data=lung)
  splots[[1]]<-ggsurvplot(km_fit,
                          xlab = "Time_days",
                          ylab="ROS",##根据需要调整
                          pval = T,
                          conf.int= F,
                          risk.table = T,
                          legend.title = i,
                          legend.labs = levels(lung[[i]]),##
                          #surv.median.line = "hv",# 中位生存
                          palette="lancet")
  ## width=6.95,height=6.5
  res<-arrange_ggsurvplots(splots, print = F,
                           ncol = 1, nrow = 1, risk.table.height = 0.25)
  ggsave(paste(i,"All_surv.pdf",sep = "_"), res,width=7,height = 6)
}