复现一篇公共数据库纯生信文章中的限制性立方样条图（文末附R代码）

最新推荐文章于 2024-07-24 08:05:05 发布
最新推荐文章于 2024-07-24 08:05:05 发布
阅读量450 收藏 2
点赞数
文章标签： r语言 开发语言
原文链接：https://mp.weixin.qq.com/s?__biz=MzIxMDExNDE0OQ==&mid=2247493235&idx=1&sn=fe3bb638f62218ab8a8f9061c6e6eb3e&chksm=96c64be199c61e2beca79308cb224515c4b44ffaa769db3f6f0b246637784f9f973f793f86ab&scene=126&sessionid=0
版权

先来感受下仅需1秒的极速出图流程和一键随机修改配色功能，性能遥遥领先：


e6189ff5121dc86de461998c6d40f83b.gif

之前一直在复现CNS级别的文章图表，今天躺平放松下降低点要求，复现一篇来源于针对公共数据库中，对上万常规体检数据的纯生信挖掘文章。

本次复现的图表来源于Frontiers in Endocrinology期刊上（IF=5.2）题目为《Gamma-glutamyl transferase to high-density lipoprotein cholesterol ratio: A valuable predictor of type 2 diabetes mellitus incidence，译：γ-谷氨酰转移酶与高密度脂蛋白胆固醇的比率：2 型糖尿病发病率的重要预测因子》中的Fig.3-限制性立方样条图（Restricted cubic spline，RCS）。跟着操作，只需要简单的鼠标点点点3步骤，在短暂3分钟内即可轻松复现该图。大家如果有需要需要用限制性立方样条图分析，可以按照平台上示例数据格式（模版）直接复制粘贴替换成自己数据直接分析。

200de6d4cd76f752b993ebc9ffdf1eeb.png

e8e96850e35060fecceb5d92d3f137a4.png

CNSknowall一比一复现文献原图，P值完全相同 由于作者只提供了公共数据集的来源，并没有说明如何进一步处理其中的数据作为实验数据，因此得到的复现图略微微有一点点差异，但能复现成这样水平也能称全网第一了

复现目标图片介绍

--- 限制性立方养条图 · ---

限制性立方样条图（Restricted cubic spline，RCS）用于展示自变量与因变量之间非线性关系，图中通常包括限制性立方样条拟合曲线以及相应的置信区间。它通过在数据点之间引入多个三次多项式片段，从而在整个变量范围内建模曲线形状。限制性立方样条图通过控制节点的数量和位置，可以调整曲线的复杂度，以更好地反映数据的真实模式。

CNSknowall中的此图基于R包rms和survival开发，大家如果需要用我们平台做RCS分析，可以通过以下引用格式：The plot was generated using R software package “rms and survival”  through CNSknowall (http://cnsknowall.com/index.html#/HomePage), a comprehensive web service for biomedical data analysis and visualization.

文章从公共数据中采集了15464个参与者的体检报告，接着对这些样本的多种检测指标构建Cox比例风险回归模型，来研究GGT/HDL-C（谷胱甘肽转肽酶/高密度脂蛋白胆固醇）比率对T2DM（2型糖尿病）的独立影响，调整的指标有：年龄、性别、BMI（身体质量指数）、饮酒量、吸烟状况、是否为脂肪肝、运动习惯、FPG（空腹血糖）、HbA1c（糖化血红蛋白）、ALT（丙氨酸氨基转移酶）、AST（天冬氨酸氨基转移酶）、胆固醇、甘油三酯、SBP（收缩压）和DBP（舒张压）。在构建好的COX模型的基础上，采用4节限制立方样条（RCS）模型来探索GGT/HDL-C比值与T2DM风险之间的非线性相关性，可视化结果如下：

b4109dbe437eb9e27de9b70fb4e0208f.png

原文Fig.3

图中得到的非线性 P值 为 0.333，说明GGT/HDL-C 比率与 T2DM 风险呈线性相关，而且T2DM 的风险随着 GGT/HDL-C 比率的升高而增加也证明了这一点，间接说明GGT/HDL-C 比值可以作为 T2DM 的有价值的预测因子。（大家如果有类似的实验设计或有类似格式的数据，可以直接套用该图以及该图用到的统计学方法，来说明数据间是否存在非线性相关。）

详细步骤

限制性立方样条图复现

1

登录CNSknowall平台 

文末点击“阅读原文”直达（或复制链接到浏览器上收藏）进入平台：

http://cnsknowall.com/#/HomePage

直接微信扫码登录即可永久免费使用，进入“数据分析模块”——“高级分析”——“生存分析”，找到限制性立方样条图，点击进入限制性立方样条图分析界面。

bd10fed498dbda78eb97f7e607272a49.png

f1dada95469e3f9626a01e167150e58b.png

CNSknowall限制性立方样条图(RCS)可视化界面

2

数据下载

从原文下载公开数据集，原文链接：

文献地址：https://www.ncbi.nlm.nih.gov/pmc/articles/PMC9557082/

进入https://datadryad.org/stash/dataset/doi:10.5061/dryad.8q0p192，点击Download full dataset：

d10bcce9be51b719d808ee646eed2732.png

83415dd59d5f1acbdd055a5ecd36b9ae.png

打开下载好的数据，我们需要提取1-3、5-6、11-13、15-16、18、20、22-23、25-31列，共二十列数据，调整一下顺序，第二列为观察的时间(Follow up duration)，第三列为是否患上糖尿病（Incident DM 0/1），第四列为GGT/HDL-C，其余列的顺序不做改变，保存为‘data_RCS.csv’。

a465cd632663b7b781cca8f3b87ff2ac.png

3

数据上传

点击平台右侧“选择文件”后上传data_RCS.csv文件。

a15b45e264bd5195fb5709a14069f7c1.png

上传成功后，页面上方会显示弹窗信息，“已上传成功”。

f4ad750c3c2f1fc8371ce5e344055c29.png

最后点击点击页面左下角“开始做图”，等待平台运行。

a1396f9188e1f1a7e9e6c2745af79450.png

＜1秒即可得到的运行结果，如下：

2c769302b2188b7ab2c8880affa4c7f4.png

4

图形设置 

除上述个性化设置外，该工具也提供了一些其他个性化设置，如图表设置，标题设置等。

01

图形颜色设置

  • 全网首创的一键随机变色模式，遥遥领先：

231c18da45b25d48c6aa9de7d606bf5b.gif

  • 全网最大气的调色板任意自选颜色：

81147c47e75573c6bcc83aae4c7434da.png

  • 输入精准的颜色参数：

2484942535d8b25b9efe249a9698c768.png

  • 首次将取色器用于医学数据分析，一键复制文献上的配色风格：

0e9abaf3ecf3f6c555b0438ab0108050.gif

02

坐标轴设置

x轴标题改为‘GGT/HDL-C ratio’，y轴标题改为‘HR (95%CI)’，并略微调大字号。

6c3902e12e4b095f3a4b01e8db7a3e29.png

03

标题设置

f554dd614bf4128463d93fccec591cf3.png

5

RCS的R代码 
library(survival)
library(rms)
data <- read_data('data_RCS.csv')
COL <- colnames(data)[1]
c <- colnames(data)
c[1] <- 'v';c[2] <- 'time';c[3] <- 'death';c[4] <- 'd'
#处理好文件中的非法字符
c <- gsub("\\([^)]+\\)", "", c)
c <- gsub(",", "", c)
c <- gsub("/", "", c)
c <- gsub("%", "", c)
c <- gsub("，", "", c)
c <- gsub(" ", "_", c)
c <- gsub("-", "_", c)
c <- gsub(":", "", c)
colnames(data) <- c
predictors <- c[!c %in% c('v', 'time', 'd','death')]
varsToFactor <- c('Sex_1Men_2Women','Baseline_Habit_of_exercise_01',
 'Baseline_Alcohol_consumption_non1_light2_moderate3_heavy4','Baseline_Smoking_status_1never_2past_3current',
 'Baseline_Fatty_liver_01')
data[varsToFactor]<-lapply(data[varsToFactor],factor)
data$time <- data$time/365
dd <- datadist(data) #为后续程序设定数据环境
options(datadist='dd') #为后续程序设定数据环境
predictors <- c[!c %in% c('v', 'time', 'd','death')]
formula_str <- paste0('Surv(time,death)','~','rcs(d, 4)+',paste(predictors, collapse = "+"))
formula <- as.formula(formula_str)
#拟合cox回归模型，注意这里的R命令是“cph”，而不是常见的生存分析中用到的“coxph"命令
#自然样条回归
fit<- cph(formula,data=data)
HR<-Predict(fit,d,fun=exp,ref.zero = TRUE,conf.int = 95)
plot(HR)

END

37b0f92d995b53ee40577a8e45d07eb6.png

 点击关注我们，用最短的时间和最高的效率学习更多数据分析方法!

加入我们的官方群咨询平台使用方法，高效学习更多数据分析方法，会晤道友！

f03d6c852ec68cbbc334d1a0a58daa40.jpeg

‍注册登录CNSknowall后即可无限制任意免费使用

--一次性收藏120个皆可一键出图的高级通用生信工具--

91b85c74dc7e1704541fe926d8d6c5b0.png

‍

同时收藏42个柱状图+23个饼图+其余70个各类常用图表

ae03ca0317e0e20b202c0cf70b6287c8.png

写在后面：AI时代已来，您需要非同以往的更强数据分析工具

  CNSknowall （中文：CNS万事通）平台是今年1月份新上线的一款专门针对医学领域的创新型免费在线数据分析云平台，和目前常用的数据分析工具如SPSS、Origin、GraphPad Prsim和R语言相比，CNSknowall在数据上传、配色修改和参数调整等各方面做出了一系列重大创新，各项性能遥遥领先，几乎没有任何学习成本（包括时间成本和金钱成本），甚至优于GPT（毕竟GPT不是专门的数据分析工具）。您只需要简单的套用平台提供的固定数据格式复制粘贴替换成自己的数据，鼠标点点点就可以完成CNS级别的高水平图表制作，可以让不擅长或没接触过数据分析的人以最短的时间内快速建立医学数据分析的基本思维，以最快的速度掌握各种数据分析技能，帮助大家在数据分析上节省大量宝贵的时间，从而可以把时间和精力用在更重要的事情比如查阅文献和设计研究思路方案等，提高文章发表速度，减缓毕业焦虑，赋能职业生涯，开启科研天骄之路！

CNSknowall 首页

f482c5731e487d959e42f7e65389fbd7.png

很多时候知道自己要画什么图往往比会画什么图更重要

平台包含300个数据分析模块，您可以快速找到能让自己数据价值最大化的分析方法

木舟笔记
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
跟Nature学画图--3分钟内3步骤0代码复现配对哑铃+分组Lasso拟合组合图，超越Origin、GraphPad 和R语言...
weixin_45822007的博客
01-24 241
先来感受下仅需1秒的极速出图流程和一键随机修改配色功能，性能遥遥领先：本次复现的图表来源于Nature正刊上（IF=64.8）题目为《Proteomics identifies new therapeutic targets of early-stage hepatocellular carcinoma，译：蛋白质组学鉴定早期肝细胞癌新治疗靶点》中的Fig.1。跟着操作，只需要简单的鼠标点点点3步...
中国学者历经24年，发文医学顶刊NEJM！这项巢式病例对照研究如何分析的？
郑老师统计
03-08 976
编者近期，首都医科大学宣武医院贾建平教授在顶级医学期刊NEJM发表了一篇关于阿尔茨海默病生物标志物的多中心、巢式病例对照研究的研究成果，做了统计学的文章解读，与各位做个分享！2024年2月22日，医学顶刊NEJM（NewEngland Journal ofMedicine）（医学一区，IF=158.5）发表了一篇题为：“Biomarker Changes during 20 YearsPre...
干货分享|分享一个完全免费的科研绘图神器CNSknowall
Y
06-23 377
介绍：CSNOW是一个由复旦大学和上交大医学院硕博创办的数据绘图工具平台，提供多种图表模板，支持一键生成各种复杂高阶图表，并可自定义图表参数、颜色和字号。平台完全免费、中文界面、零代码操作，并确保用户隐私安全。此外，CSNOW还提供文献检索和AI工具等附加功能，是目前市面上最快、最舒适的科研绘图工具之一。里面包含了各种各样的图表，大家可以有针对性的尝试一下自己需要的图表，作图非常方便快捷。b站官方主页也有相关视频，大家可以各取所需。
Nhanes死亡数据，高分文章的密码，TyG指数与死亡间存在U型关联
weixin_47988917的博客
11-14 1725
郑老师统计课程，欢迎点击报名：Nhanes公共数据库挖掘 课程NHANES数据库中有一类指标是高分密码，死亡。从现实角度来说，死亡是医学绕不开的话题。从研究设计类型来说，死亡是NHANES数据库这一类横断面研究中唯一能做队列的数据。不论如何，得死亡者发高分文章。本期我们一起学习一篇关于死亡的研究。2023年10月，一篇题为：The triglyceride-glucose index is a p...
R语言12篇文章带您深入了解限制立方条图（Restricted cubic spline，RCS）
dege857的博客
10-06 7521
临床上，因变量和临床的结局有时候不是线性关系，而回归模型有一个重要的假设就是自变量和因变量呈线性关联，因此非线性关系模型用回归分析来拟合受到限制。因此，一个更好的解决方法是拟合自变量与因变量之间的非线性关系，限制性立方样条(Restricted cubic spline，RCS)就是分析非线性关系的最常见的方法之一。6.绘制复杂抽样设计数据（NHANES数据）的限制立方条图，虽然市面上有多种做法，回头来看，还是我这种比较靠谱。3.基于RMS包的逻辑回归和线性回归的限制立方样条图，是对上一篇文章的扩展。
限制性立方样条（Restricted Cubic Spline）
热门推荐
姚巨龙的博客
07-03 3万+
限制性立方样条函数 (restricted cubic spline,RCS) 属于多项式中的一种，最大的特点在于它进行了样条插值并对趋势首尾两端进行了线性限制，即在第一个节点前的趋势和最后一个节点后的趋势强制限制为线性。.....................
R语言基于Logistic回归绘制限制性立方样条图（Restricted Cubic Spline）
m0_61115677的博客
08-21 3万+
相关介绍： 在病因推断、剂量效应研究中，时常要分析自变量和因变量的数量关系。广义线性模型，如Logistic回归、Possion回归等是应用比较广泛的方法。它的一个重要假设是通过选择合适的链接函数，因变量与自变量的关系呈线性。这个假设在某些情况下并不成立。 此时一个常见的处理是采用百分位数等方法将连续性变量分段(P value for trend)。但是分段往往主观，而且损失信息，并有可能引入偏倚。本文介绍限制性立方样条拟合自变量和因变量之间的非线性关系。 限制性立方样条中节点的个数(k)和...
R实战 | 限制性立方样条(RCS)
weixin_45822007的博客
08-15 2万+
RCS在科学研究中，我们经常构建回归模型来分析自变量和因变量之间的关系。大多数的回归模型有一个重要的假设就是自变量和因变量呈线性关联。当自变量和因变量之间为非线性关系时，可以将连续型变量转化为分类变量，但是分类变量的类别数目以及节点位置的选择一般会带有主观性并且分类变量会损失部分信息；也可以直接拟合自变量和因变量之间的非线性关系，但是直接构建多项式回归可能存在过度拟合、共线性等问题。因此，一个更好...
行业资料-交通装置-一种带有外置照明系统的纯生房.zip
08-23
行业资料-交通装置-一种带有外置照明系统的纯生房.zip
jquery+纯生javascript写的适合初学者
11-14
标题中的“jquery+纯生javascript写的适合初学者”暗示了这个压缩包可能包含了一系列使用JavaScript和jQuery库编写的示例代码或教程，旨在帮助初学者理解这两种技术的基础和交互方式。JavaScript是一种广泛用于Web...
纯生啤酒品牌概念与包装测试.pptx
09-23
这篇文档是关于深圳金威啤酒有限公司进行的一项针对500ml高档纯生啤酒品牌概念与包装测试的定性研究报告。报告由致联市场研究有限公司在2002年4月编写，旨在深入理解消费者对啤酒的消费行为和习惯，探究中、高档啤酒...
青岛纯生巡礼活动全程策划提案.doc
10-01
【青岛纯生巡礼活动全程策划提案】是一个旨在提升青岛纯生啤酒品牌知名度和忠诚度的大型营销活动。活动以“激情365，快乐每一天”为主题，旨在借助节日氛围，利用酒店上座率高的特点，推动青岛纯生啤酒的消费，扩大...
无菌瓶装纯生啤酒灌装新工艺.zip
09-16
无菌瓶装纯生啤酒灌装新工艺是现代啤酒生产中的一个重要环节，它涉及到食品安全、产品质量和生产效率等多个方面。这种工艺旨在确保啤酒在灌装过程中不受微生物污染，以保持其原有的新鲜口感和营养价值，同时延长产品...
R语言样条回归并绘制限制立方条图
dege857的博客
02-18 1万+
临床上，因变量和临床的结局有时候不是线性关系，而回归模型有一个重要的假设就是自变量和因变量呈线性关联，因此非线性关系模型用回归分析来拟合受到限制。因此，一个更好的解决方法是拟合自变量与因变量之间的非线性关系，限制性立方样条(Restricted cubic spline，RCS)就是分析非线性关系的最常见的方法之一。 最近有粉丝问有序多分类变量可以应用在限制立方条图吗？是可以的。我们可以通过分组可视化来显示数据的差异性。 需要用到splines、rms、ggplot2这三个包，要先下载好， 首先加载包和导入
ggrcs 包2.4绘制RCS(限制立方样条图)实际操作演示（1）
dege857的博客
11-28 2021
第一个问题非常好处理，这个问题是RMS包的报错，主要是数据格式必须是data.frame，不是这个格式容易报错，我们导入数据的时候最好以csv格式读入，这个格式比较稳定，不容易出错，如果你是其他格式导入的，可以使用as.data.frame()把它进行强制转换就可以了，在后面的版本中我也会对它进行强制转换。造成这个原因是数据造成的，这个不是正态分布，而是泊松分布，分布过于集中所致，我们只要对它的x变量取个对数，转换一下，让它变成正态分布，从新做图，变成如下。对x变量取对数以后，做图如下（代码就不贴了）
R语言限制性立方样条回归
医学和生信笔记的博客
01-11 6758
前面用了2篇推文，帮大家梳理了的常用方法，包括今天主要介绍R语言实现。读过上面几篇推文的朋友想必已经知道了（没看过的建议先看看），样条回归包括很多种，限制性立方样条只是其中一种，更多的大家可以自己了解。
限制立方样条（RCS）做生存分析
weixin_46587777的博客
04-13 1166
研究数据通常来自于观察某个特定群体的个体，并收集其相关信息。这些数据可以是从临床试验、队列研究、调查问卷等途径获得的。数据的特征通常包括个体的生存时间、生存状态（例如是否死亡）、危险因素（例如年龄、性别、治疗方案等）以及其他可能影响生存的变量。「限制立方样条的原理和优势」限制立方样条是一种非参数的拟合方法，通过将连续变量（如生存时间）转化为多个分段函数来建模生存曲线。RCS在建模过程中不对数据分布作出假设，因此适用于各种类型的生存数据。与传统方法相比，RCS具有更高的灵活性，可以更准确地拟合生存曲线的形状。
R语言如何确认限制性样条分析的最佳节点个数、进行方差分析通过p值确认指定连续变量和风险值HR之间是否存在非线性关系、限制性立方样条cox回归模型
data+scenario+science+insight
05-02 1356
R语言如何确认限制性样条分析的最佳节点个数、进行方差分析通过p值确认指定连续变量和风险值HR之间是否存在非线性关系、限制性立方样条cox回归模型
如何用R语言实现高级转录组分析和数据可视化？
最新发布
huanghm88的专栏
07-24 355
要用R语言实现高级转录组分析和数据可视化，你需要熟悉R编程语言，以及相关的转录组分析和可视化的R包。此外，你可能需要了解转录组分析的基本理论和统计方法。数据预处理：首先，你需要对原始转录组数据进行预处理。功能富集分析：对于差异表达的基因，你可能想要了解它们的功能富集情况，即它们是否与某些功能或通路相关。数据可视化：在进行高级转录组分析后，你可能需要将分析结果可视化，以便更好地理解和解释结果。这些包可以帮助你找到基因在不同样本或条件下的表达差异，并计算差异表达的统计显著性。差异表达分析：接下来，你可以使用。
怎么在纯生vue中封装使用骨架屏呢
05-18
在纯生 Vue 中封装使用骨架屏可以通过以下步骤实现： 1. 创建一个骨架屏组件 Skeleton.vue，该组件包含需要展示骨架屏的元素和动画效果。 ``` <template> <div class="skeleton"> <div class="skeleton-item" v-for="i in 3" :key="i"></div> </div> </template> <style> .skeleton { display: flex; align-items: center; justify-content: center; } .skeleton-item { width: 50px; height: 50px; margin: 0 10px; background-color: #ccc; border-radius: 50%; animation: pulse 1.2s ease-in-out infinite alternate; } @keyframes pulse { from { opacity: 0.6; } to { opacity: 1; transform: scale(1.1); } } </style> ``` 2. 在需要展示骨架屏的组件中引入 Skeleton.vue 组件，并添加一个 Boolean 类型的数据 isLoading，用于控制展示骨架屏或实际数据。 ``` <template> <div> <h1>{{title}}</h1> <Skeleton v-if="isLoading" /> <div v-else> <!-- 展示实际数据 --> </div> </div> </template> <script> import Skeleton from './Skeleton.vue' export default { components: { Skeleton }, data() { return { isLoading: true, // 实际数据 } }, mounted() { // 获取实际数据 this.getData() }, methods: { getData() { // 发送请求获取数据 // ... // 数据请求完成后关闭骨架屏 this.isLoading = false } } } </script> ``` 3. 在 Skeleton.vue 组件中可以根据实际需求进行自定义，例如添加不同的动画效果、修改元素样式等。 通过以上步骤可以在纯生 Vue 中封装使用骨架屏，可以优化用户体验，提升页面加载速度。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值