生存曲线 p值 python_超详细讲解生信SCI中的生存曲线作图，不看后悔系列

原标题：超详细讲解生信SCI中的生存曲线作图，不看后悔系列

在线及个性化精美Kaplan-Meier生存曲线的绘制

大家好，我是阿琛。俗话说，是骡子是马拉出来溜溜。在肿瘤研究中，一个基因的研究价值高不高，或者一种新模型的应用价值好不好，都主要取决于其对患者生存状态的预测能力。良好的预后预测能力，能其明显的脱颖而出；与其他分子或模型相比，具有更高的临床转化与应用价值。在此，阿琛带大家一起学习生存曲线的各种绘制方法。

在线分析工具

巧妇难为无米之炊，分析的第一步自然是数据的来源。目前，对于提供了生存信息的数据库，主要包括以下几个数据库：

1、TCGA数据库

提供了转录组、基因组以及患者的总生存率OS信息，涵盖33种肿瘤研究，其中UCSC Xena网站提供了TCGA数据库泛癌患者的总生存率OS和无病生存率DFS；

2、TCPA数据库(http://tcpaportal.org)

TCGA的蛋白质组数据库，整合了来自TCGA和几个独立的肿瘤研究项目RPPA芯片结果的肿瘤蛋白质谱数据库；

3、TARGET数据库(https://ocg.cancer.gov/programs/target)

一个针对儿童肿瘤研究的数据库，涉及急性淋巴细胞白血病(ALL， Acute Lymphoblastic Leukemia)、急性髓细胞白血病(AML， Acute Myeloid Leukemia)、肾脏肿瘤(KT， Kidney Tumors)等疾病，提供了患者转录组、基因组变化以及相应的OS；

4、SEER数据库(https://seer.cancer.gov/data/)

由美国国家癌症研究所(National Cancer Institute)发起，收集了大约30％的美国人口的癌症诊断、治疗和生存数据，涉及不同组织病理学癌症亚型的发病率，生存率和死