针对TCGA 下载下来的lncRNA, miRNA的表达矩阵，结合临床信息，可以进行生存分析。

# 表达信息和生存数据整合到 exprSet, 如下：

  bcr_patient_barcode time status LINC01587 XXbac_B461K10.4
1        TCGA-2W-A8YY  148      0  3.981761        23.89057
2        TCGA-4J-AA1J  226      0 37.491171        19.63823
3        TCGA-BI-A0VR 1505      0 10.891560         3.63052
4        TCGA-BI-A0VS  925      0  3.877719        19.38859
5        TCGA-BI-A20A   72      0 16.789319        12.21041
6        TCGA-C5-A0TN  348      1  7.835572        28.73043

# 构建生存数据表
mysurv <- Surv(exprSet$time, exprSet$status)
# 单因素cox 分析函数
Unicox <- function(x){
  fml <- as.formula(paste0('mysurv~', x))
  gcox <- coxph(fml, exprSet)
  cox_sum <- summary(gcox)
  HR <- round(cox_sum$coefficients[,2],2)
  PValue <- round(cox_sum$coefficients[,5],4)
  CI <- paste0(round(cox_sum$conf.int[,3:4],2),collapse='-')
  Uni_cox <- data.frame('Characteristics' = x,
                        'Hazard Ratio' = HR,
                        'CI95' = CI,
                        'P value' = PValue)
  return(Uni_cox)
}

# 计算每一个单因素,比如hsa_let_7a_1
Unicox('hsa_let_7a_1')

# 批量计算单因素
VarNames <- gene_names
Univar <- lapply(VarNames, Unicox)

# 将单因素的结果汇总
Univar <- ldply(Univar, data.frame)

整理的结果如下：

Characteristics Hazard.Ratio      CI95 P.value
1       LINC01587         1.00 0.99-1.01  0.6771
2 XXbac_B461K10.4         1.01    1-1.03  0.0380
3         IGF2_AS         1.00    1-1.01  0.4047
4          TPTEP1         1.00       1-1  0.3280
5          DLEU2L         1.00 0.99-1.01  0.9864
6   RP11_268J15.5         1.00       1-1  0.0736

如果您对TCGA数据挖掘感兴趣，请学习我们的TCGA相关课程：

《TCGA-生存分析》

《TCGA-基因差异表达分析》

《WGCNA加权基因共表达网络分析》

《GEO芯片数据挖掘》

《GSEA富集分析》