生存分析模块

用途

本模块基于IOBR、survival、survminer等R包，对免疫浸润/基因集打分结果与生存信息进行单因素生存分析，并输出标准化的生存曲线图。

输入文件示例

• input特征打分/免疫浸润结果文件：每行一个样本名，每列为各类免疫细胞/基因集打分等特征，tab分割

SampleID	Macrophages_M2_CIBERSORT	CD8_T_Cells_EPIC
Sample1	0.123	0.456
Sample2	0.234	0.567
Sample3	0.345	0.678

• clinical生存信息文件：每行一个样本名，每列为生存时间、生存状态等特征，tab分割

SampleID	OS.time	OS	DFS.time	DFS
Sample1	1000	1	800	0
Sample2	800	0	600	0
Sample3	1200	1	1000	1

运行方式

SDAS bulkValidate survivalKM --input tme_combine.txt --clinical survival.txt --signature Macrophages_M2_CIBERSORT --project_name survival --time OS.time --status OS.status --time_type day --output survival_output

输入参数说明

参数	必需	默认值	描述
--input	是		免疫浸润/打分结果文件路径
--clinical	是		生存信息文件路径
--signature	是		用于生存分析的特征列名
--output	是		输出目录路径
--project_name	否	test	项目名称（用于输出文件命名等）
--time	否	OS.time	生存时间列名
--status	否	OS.status	生存状态列名（0=生存/无复发，1=死亡/复发）
--time_type	否	day	时间单位，默认day

输出结果展示

结果文件	描述
survival.png/pdf	生存曲线图

• 生存曲线图: survival.png/pdf展示指定特征分组下的生存分析曲线，显示高低组生存差异。

分组方法的区别：

• 最佳截断值（best cutoff）分组：通过统计方法寻找将两组生存差异最大化的截断值。通常能最显著地区分出高风险组和低风险组（如左图所示）。

• 平均数分组： 以所有样本得分的平均数作为分界点。这种方法在数据分布对称时效果较好，但在偏态分布时可能不够敏感（如中图所示）。

• 三等分组： 将样本按照得分分为三等分（低、中、高）。这种方法高低分组的差异可能不如前两种方法显著（如右图所示），但能避免极端值影响，并观察中间组的影响。

统计指标的含义：

• P值： 表示组间生存差异的显著性。P值越小，表明组间差异越不可能由随机因素导致。

• Hazard Ratio（风险比，HR）： 表示高分组相对于低分组的死亡风险倍数。HR>1表示高风险

• 95% CI（置信区间）： 表示HR的95%置信区间，反映估计的精确度。区间不包含1（如左图1.41-2.64）表示HR显著不等于1。区间越窄，估计越精确。

• Cutoff值：最佳截断值分组方法中使用的分界点。

• 生存曲线：展示了高分组（橙色）和低分组（蓝色）的生存概率随时间变化情况。曲线分离越明显，组间差异越大。

• 风险表（Number at risk）： 在时间点下方显示各组的风险人数（即到该时间点还未发生终点事件的人数），这有助于评估随着时间的推移各组的样本数量变化。