R 语言小白绘图系列
第 41 弹|多时间点依赖的生存ROC曲线
多时间点依赖的生存ROC曲线简介
多时间点依赖的生存ROC曲线（time-dependent ROC curve）是一种用于评估生存模型预测性能的关键工具。它通过在不同时间节点上计算敏感性和特异性，展示了模型在各时间点对结局事件的预测能力。相较于传统的ROC曲线，此方法能够捕捉到生存数据的动态特性，有助于揭示模型在不同随访期的准确度和稳定性。多时间点依赖的生存ROC曲线广泛应用于生物医学研究，尤其是在癌症预后、心血管风险预测等领域，提供了对模型性能更为全面的评估。
应用实例
下图是一个多时间点依赖的生存ROC曲线，图中横坐标代表假阳性率，纵坐标代表真阳性率；曲线下面积AUC用来衡量预测的准确性，AUC值越接近1，预测的准确性越高。图中有三条曲线，代表同一变量的三个不同时间点（见图例），可以看出：绿色曲线的AUC最大，红色曲线的AUC最小；即可得出，通过该变量预测患者的1年生存率准确性最高，预测3年生存率其准确性最低。
源文件
输入文件包含
id: 样品名称
futime:生存时间
fustat:生存状态
score：风险评分（或基因表达量）
代码
环境准备
这段代码的目的是安装并加载survival、survminer和timeROC三个R包，设置输入输出文件和工作目录，为多时间点的ROC曲线分析做准备。以下是逐行解释：
逐行解释：
# 安装必要的R包
install.packages("survival")
install.packages("survminer")
install.packages("timeROC")
这三行代码分别用于安装 survival、survminer和timeROC包：survival：用于生存分析，处理生存时间和状态。survminer：用于生存分析结果的可视化，特别是生存曲线的绘制。timeROC：用于生成时间依赖的ROC曲线，以评估不同时间点上的模型性能。
# 加载已安装的R包
library(survival)
library(survminer)
library(timeROC)
这三行代码加载了 survival、survminer和timeROC包，以便在接下来的分析中使用这些包中的函数。
# 设置输入文件、输出文件和变量名
inputFile = "input.txt" # 定义输入数据文件
outFile = "ROC.pdf" # 定义输出文件名，保存ROC曲线
var = "score" # 指定用于分析的变量，称为“score”
inputFile：设置输入数据文件的名称为input.txt，这个文件将包含用于生存分析的数据。outFile：设置输出文件名为ROC.pdf，最终绘制的ROC曲线将保存为这个PDF文件。var = "score"：指定用于分析的变量为"score"，将用于生成时间依赖的ROC曲线。
# 设置工作目录
setwd("D:\\biowolf\\bioR\\43.multiTimeROC")
setwd()：设置当前工作目录为D:\\biowolf\\bioR\\43.multiTimeROC，所有文件的读取和保存都将在这个目录下进行。
总结
这段代码的主要作用是安装和加载survival、survminer和timeROC包，设置输入输出文件以及工作目录，为后续基于score变量的多时间点ROC分析做准备。通过这些设置，接下来可以根据指定的变量绘制不同时间点的ROC曲线，并保存到PDF文件中。
读取输入文件
这段代码的目的是从指定的文件 input.txt 中读取数据，并将其存储在数据框 rt 中。以下是逐行解释：
# 读取输入数据文件
rt = read.table(inputFile, header = TRUE, sep = "\t", check.names = FALSE)
参数解释：
inputFile：指向你之前定义的输入文件（即input.txt）。
该文件包含生存时间（如 futime）、生存状态（如fustat）以及你需要进行时间依赖ROC分析的变量（如score）。
header = TRUE：
表示文件的第一行是列名。R会将第一行解析为列名，而不是数据的一部分。
sep = "\t"：
指定文件中的列是以制表符（ Tab）分隔的。如果输入文件是制表符分隔的文本文件，使用这个参数可以正确解析数据。
check.names = FALSE：
不自动修改列名。默认情况下，R会自动修改列名中包含非法字符的部分，但设置为 FALSE后，列名将保持原样。
总结
这段代码通过read.table()函数从input.txt中读取数据，并存储到数据框rt中。你可以在后续分析中对rt进行操作，生成时间依赖的ROC曲线。
绘制
这段代码的目的是绘制基于生存数据的多时间点ROC曲线（1年、2年、3年）并显示各时间点的AUC值。以下是逐行解释：
# 计算时间依赖的ROC曲线
ROC_rt = timeROC(T = rt$futime, delta = rt$fustat,
marker = rt[, var], cause = 1,
weighting = 'aalen',
times = c(1, 2, 3), ROC = TRUE)
T = rt$futime：futime表示生存时间，将其作为时间变量。delta = rt$fustat：fustat表示生存状态，1表示事件发生（如死亡），0表示事件未发生。marker = rt[, var]：var是指定的用于计算ROC的变量（如"score"），表示预测变量。cause = 1：指定感兴趣的事件是1（通常表示死亡）。weighting = 'aalen'：使用Aalen加权法进行时间依赖ROC计算。times = c(1, 2, 3)：指定多个时间点，分别计算1年、2年、3年的ROC曲线。ROC = TRUE：生成ROC曲线对象。
# 打开PDF设备，开始保存绘图
pdf(file = outFile, width = 5, height = 5)
pdf()：设置PDF输出，将生成的ROC曲线图保存为指定的文件outFile（即ROC.pdf），宽度为5英寸，高度为5英寸。
# 绘制不同时间点的ROC曲线
plot(ROC_rt, time = 1, col = 'green', title = FALSE, lwd = 2) # 1年
plot(ROC_rt, time = 2, col = 'blue', add = TRUE, title = FALSE, lwd = 2) # 2年
plot(ROC_rt, time = 3, col = 'red', add = TRUE, title = FALSE, lwd = 2) # 3年
plot(ROC_rt, time = 1, ...)：绘制1年的ROC曲线，线条颜色为绿色。plot(ROC_rt, time = 2, ..., add = TRUE)：在同一图上添加2年的ROC曲线，线条颜色为蓝色。plot(ROC_rt, time = 3, ..., add = TRUE)：在同一图上再添加3年的ROC曲线，线条颜色为红色。lwd = 2：设置线条宽度为2。
# 添加图例，显示各时间点的AUC
legend('bottomright',
c(paste0('AUC at 1 year: ', sprintf("%.03f", ROC_rt$AUC[1])),
paste0('AUC at 2 years: ', sprintf("%.03f", ROC_rt$AUC[2])),
paste0('AUC at 3 years: ', sprintf("%.03f", ROC_rt$AUC[3]))),
col = c("green", 'blue', 'red'), lwd = 2, bty = 'n')
legend()：在图的右下角添加图例。'bottomright'：指定图例显示的位置为右下角。paste0('AUC at 1 year: ', sprintf("%.03f", ROC_rt$AUC[1]))：显示1年时的AUC值，保留三位小数。类似地，ROC_rt$AUC[2]和ROC_rt$AUC[3]分别是2年和3年的AUC值。col = c("green", 'blue', 'red')：分别为1年、2年和3年的曲线指定颜色。lwd = 2：设置图例线条的宽度。bty = 'n'：去除图例的边框。
# 关闭PDF设备，保存绘图
dev.off()
** dev.off()**：关闭PDF设备，完成文件的保存。绘制的ROC曲线已保存为指定的PDF文件。
总结
这段代码使用时间依赖的ROC分析，绘制了1年、2年、3年的ROC曲线，并显示每个时间点的AUC值。绘制结果保存为ROC.pdf文件，且在图例中显示各时间点的AUC。
本文作者：充电宝团队
现在：
长按扫码关注：科研生信充电宝
10元赞赏本文，即喜欢作者~
即可直接解锁：
《R语言小白绘图系列|第41弹·多时间点依赖性的生存ROC曲线》对应资源哦~
看到这里你还不心动吗？
赶紧关注、转发、点赞、分享，领取你的专属福利吧~
好啦，以上就是今天推文的全部内容啦！
版权声明：本文内容由互联网用户自发贡献，版权归作者所有，本公众号不拥有所有权，也不承担相关法律责任。
如果您发现本公众号中有涉嫌抄袭的内容，欢迎发送邮件至：kysxcdb@163.com 进行举报，一经查实，本公众号将立刻删除涉嫌侵权内容。
