基因表达数据的K-M生存曲线的数据处理及绘制

基因表达K-M（Kaplan-Meier ）生存曲线是将经典的生存分析与基因表达数据相结合，用于探究特定基因的表达水平高低是否与患者（或其他研究对象）的生存预后（如总体生存期、无病生存期）存在显著关联。

Kaplan-Meier 曲线：一种统计学方法，用于估计在不同时间点患者的生存概率。它能很好地处理在研究结束时部分患者尚未发生终点事件（如死亡）的“删失”数据。

基因表达：通过测序（如RNA-seq）或芯片技术测量得到的基因在细胞中的mRNA水平。表达水平通常是一个连续数值。

简单来说： 将一个连续测量的基因表达值，通过一个阈值（如中位数或最佳截断值）划分为“高表达组”和“低表达组”，然后比较这两组患者的生存曲线，看是否存在统计学上的显著差异。

本期教程详细介绍了基因表达数据的K-M生存曲线的数据处理及绘制。

一、数据处理与分组：

1.将表达数据按照表达数据的中位数分为高、低的表达组：①单元格G2中，使用公式=MEDIAN(C2:C468)计算得出的表达数据的中位数为588；②单元格E2中用公式=IF(D2<$G$2,"LOW","HIGH")判断与中位数的大小关系，若小于中位数则为LOW，高于则为HIGH，据此对表达数据进行高低分组。③在单元格F2中，使用公式=IF(C2="Dead",1,0)将C列中的文字状态描述转化为数字描述，1表示Dead，0表示Alive。

2.打开选中组别列，也就是E列，点击右上角的排序与筛选，选择降序，在跳出的对话框选择扩展选定区域。

二、数据分析及绘图

1.打开Graphpad prism软件，安装下右图的格式将生存时间和状态数据按照高、低表达组（High expression & Low expression）两列错位输入；

2.点击左侧的工具栏，选择“New Analysis”选项，在弹出的Analyze Data或Create New Analysis界面中选择Survival analyses，选择Simple survival analysis（Kaplan-Meier）；

3.在弹出的参数设置界面按以下图示设置即可；

4.在左侧工具栏中，点击Graphs下的Survival proportions，页面出现图形即为生存曲线图形，需要对其进一步细节美化；

5.双击坐标轴，在跳出的对话框下，分别修改边框大小，数据间隔改为0；

6.双击图形，分别对两条曲线进行修改颜色和大小；

7.添加误差带，点击对话框下的“Change Graph Type”，在跳出的对话框，选择将Error bars，选择95%CI；

回到图层设置页面，分别对两条曲线进行修改置信区间的颜色等；

8.接着对其进行其它细节美化，包括字体格式、图例、添加注释等，K-M生存曲线最终效果图如下图所示：

以上就是基因表达数据的K-M生存曲线的数据处理及绘制步骤，根据以上步骤即可绘制出带有置信区间的生存曲线，大家快去试试吧！

——END——