用R语言survminer包打造TCGA生存分析可视化：从基础到高级定制

生存分析是肿瘤基因组学研究中的核心方法之一，而TCGA数据库为研究者提供了丰富的临床随访数据。许多科研人员在完成基础生存分析后，往往面临一个共同挑战：如何将Kaplan-Meier曲线从简单的功能输出转变为具有发表质量的精美图表？这正是survminer包大显身手的领域。

1. 生存分析可视化基础配置

在开始美化图表之前，我们需要确保基础环境配置正确。survminer包是ggplot2的扩展，专门用于生存分析可视化，它与survival包形成完美搭档。

首先安装必要的R包：

r复制if (!require("survival")) install.packages("survival")
if (!require("survminer")) install.packages("survminer")
if (!require("ggplot2")) install.packages("ggplot2")

加载TCGA数据后，典型的基础生存分析代码如下：

r复制library(survival)
library(survminer)

# 假设我们已经加载了TCGA数据并进行了预处理
tcga_data <- read.csv("tcga_clinical_data.csv")

# 创建生存对象
surv_obj <- Surv(time = tcga_data$OS_time, 
                event = tcga_data$OS_status)

# 按基因表达水平分组（示例：TP53表达高低分组）
tcga_data$TP53_group <- ifelse(tcga_data$TP53_expression > median(tcga_data$TP53_expression),
                              "High", "Low")

# 拟合生存曲线
fit <- survfit(surv_obj ~ TP53_group, data = tcga_data)

# 基础绘图
ggsurvplot(fit, data = tcga_data)

这个基础图表虽然功能完整，但缺乏专业论文所需的精致度和信息量。接下来我们将逐步提升它的表现力。

2. 图表元素精细化调整

2.1 颜色与主题定制

颜色方案是图表美化的第一步。survminer支持多种预设调色板，也可以完全自定义：

r复制# 使用期刊常用配色方案
plot1 <- ggsurvplot(
  fit,
  data = tcga_data,
  palette = c("#E41A1C", "#377EB8"),  # 红蓝经典组合
  ggtheme = theme_classic2(base_size = 14),  # 简洁的学术风格主题
  font.main = c(16, "bold"),          # 主标题字体
  font.x = c(14, "plain"),            # x轴标签字体
  font.y = c(14, "plain"),            # y轴标签字体
  font.tickslab = c(12, "plain")      # 刻度标签字体
)

期刊常用配色方案参考：

| 期刊风格 | 推荐配色方案