BioF3 FigCode · SCI 绘图代码集

KM 生存曲线（KM Survival Curve）

导出日期：2026年6月27日

分类：生存分析｜ 依赖包：survival、survminer

解决的生物学问题

不同分组（如基因高/低表达）的患者生存时间是否存在显著差异？

应用场景

基因表达高低分组的预后分析
突变 vs 野生型生存对比
临床分期生存差异
治疗方案疗效评估

输入数据格式

数据框：time, status, group

关键参数

分组方式（中位数 / 最佳截断值 surv_cutpoint）
time 单位（月 / 天）
risk.table 是否显示风险表
palette 配色方案
conf.int 是否显示置信区间

快速开始

1. 直接在线运行

打开 FigCode 在线绘图，点击本工具卡片的"在线绘图"按钮即可用内置示例数据出图，零环境配置。

2. 本地复现

下载脚本和示例数据，本地 RStudio 运行：

# 下载
curl -O https://<your-site>/figcode/scripts/km-curve.R
curl -O https://<your-site>/figcode/data/km-curve.csv

3. 安装依赖

# CRAN 包
install.packages(c("survival", "survminer"))

# Bioconductor 包（如需）
# BiocManager::install(c())

完整代码

library(survival)
library(survminer)

# --- Demo data ---
set.seed(42)
n <- 100
df <- data.frame(
  time = c(rexp(50, 0.02), rexp(50, 0.05)),
  status = sample(0:1, n, replace = TRUE, prob = c(0.3, 0.7)),
  group = rep(c("High", "Low"), each = 50)
)

# --- Plot ---
fit <- survfit(Surv(time, status) ~ group, data = df)
ggsurvplot(fit, data = df,
  pval = TRUE, risk.table = TRUE,
  palette = c("#0f766e", "#dc2626"),
  xlab = "Time (months)", ylab = "Survival Probability",
  title = "Kaplan-Meier Survival Curve")

替换为自己的数据

脚本中以 # --- Demo data --- 标注的段落是示例数据生成代码。替换为自己的数据时，保持列名一致即可：

输入格式：数据框：time, status, group
使用 read.csv() / readRDS() 读取本地文件