TCGA分析KM生存曲线存在各种误区

一、各种网页工具没有规范标准

造成误差的原因：数据源不同（各个工具数据源更新时间不同，部分仍使用陈旧的数据）

  • 样本清洗方法不同

  • 生存时间划分差异（OS与DFS），截取时间范围不同

  • 表达数据标准化方式不同（counts数、TPM等）

  • P值算法差异等

例如同样的基因，同样的疾病，在不同工具中绘制出的生存曲线却不一致
oncolnc（http://www.oncolnc.org）：
1.png
Kaplan-Meier Plotter（http://kmplot.com/analysis）

2.png

GEPIA（http://gepia.cancer-pku.cn/）

3.png


此外，目前绘制KM生存曲线的工具功能都比较单一，只能绘制单个基因在固定疾病中的KM曲线，不能绘制亚型中的生存曲线，也不能绘制其他因素（例如临床性状）的生存曲线。

二、使用R绘制KM曲线可能因为细节问题产生巨大误差

  • 样本差异，缺少部分样本可能导致明显的结果误差，应该尽量使用TCGA最新的临床数据（例：缺少几十个死亡样本的数据绘制效果，与以往文献研究结果违背）

4.png

  • 生存状态填反，在R函数中，存活状态以数字0标记，死亡状态以数字1标记，有一定的反直觉性，填反将导致较大的结果错误

5.png

  • 时间截取问题，不同时间截取的曲线效果不同，如乳腺癌适合绘制10年生存曲线，时间过长或过短都可能使结果与预期不合

6.png



此外：生存数值处理，当生存数据中包含NA或其他非数字字符时，可能在R环境中被存为非数值格式，转换过程容易产生数值错误

  • 合理绘制的结果（真正与以往研究结果相符）

7.png

我们绘制生存曲线采用了最新最权威的数据，并且在数据处理上采用了规范、科学的方法，保证结果可信可靠。
分享