spearman相关性分析_生存曲线、线性分析与热图绘制

一期我们对T检验（非参数检验）、单/双因素方差分析及卡方检验进行了说明与实例分析。本期是Prism作图与统计的最后一期内容了。主要包括我们上提到的多元统计方法中的生存分析与相关性分析。

此部分内容还是先从统计说起，然后用实例演示分析与作图过程，此外还会介绍Prism鲜为人知的作图彩蛋。希望这个系列能让大家更准确地把握统计分析与高效制图。

一、生存分析与生存曲线绘制

1．生存分析的概念与描述（熟悉此部分统计基本概念的小伙伴请忽略）

生存分析是对一个或多个非负随机变量进行统计推断，研究生存现象和响应时间数据及其统计规律的一门学科。与多因素分析不同的是：生存分析考虑了每个观测出现某一结局的时间长短。主要应用于人或动物的存活（相对于死亡），也可以是患者的病情正处于缓解状态（相对于复发或恶化），常常用追踪的方式来研究事物发展的规律。

生存分析主要采用Kaplan-Meier检验。此外Log Rank、Breslow和Tarone-Ware法均可用于检验生存分布是否相同，区别在于Log Rank适用于各时间点权重一样的比较；Breslow适用于各时间点的观察例数为权重的比较；而Tarone-Ware适合于以各时间点的观察例数的平方根为权重的比较。（用SPSS或Prism统计数据时注意区分）

PS：生存分析中还存在许多诸如起始事件、终点事件、生存时间或完全数据、不完全数据等统计学概念，请大家自行查询，下面是小编总结的一个示意图

2．生存分析实例（Kaplan Meier检验）

小编用最近看到的一篇文章（PMID: 31727683）中的图1A来进行举例说明。该图显示高miR-541与低miR-541表达肝癌病人的存活率。

接下来我们进行数据模拟和分析作图。具体步骤如下：

1）新建生存数据分析，数据输入：选择Survival表格，进入数据输入页面，输入模拟数据。在这里我们随机输入了40个数据，每组各20个（文章中多于此数据）。其中0代表live，1代表dead；X轴代表存活时间（months），A、B分别代表miR-541高表达组和低表达组。