R语言如何使用for循环将基因表达矩阵按各个基因的表达分成高低两组，分别进行KM曲线生存分析

假设你的基因表达矩阵为`expr_matrix`，其中每行代表一个样本，每列代表一个基因。你可以按以下步骤进行：

1. 对于每个基因，计算其表达的中位数，将表达高于中位数的样本标记为1，低于中位数的样本标记为0。

med_expr <- apply(expr_matrix, 2, median)
group <- apply(expr_matrix, 2, function(x) as.numeric(x > med_expr))

2. 根据得到的标记，将样本分为高表达组和低表达组。

high_expr_samples <- rownames(expr_matrix)[which(group[,"gene_name"]==1)]
low_expr_samples <- rownames(expr_matrix)[which(group[,"gene_name"]==0)]

3. 对于每个基因，分别进行KM曲线生存分析。

library(survival)
for (gene_name in colnames(expr_matrix)) {
  # 提取该基因在高表达组和低表达组中的表达数据
  high_expr_data <- data.frame(time = survival_data[high_expr_samples, "time"],
                                status = survival_data[high_expr_samples, "status"],
                                expr = expr_matrix[high_expr_samples, gene_name])
  low_expr_data <- data.frame(time = survival_data[low_expr_samples, "time"],
                               status = survival_data[low_expr_samples, "status"],
                               expr = expr_matrix[low_expr_samples, gene_name])
  
  # 进行KM曲线生存分析
  high_expr_km <- survfit(Surv(time, status) ~ expr, data = high_expr_data)
  low_expr_km <- survfit(Surv(time, status) ~ expr, data = low_expr_data)
  
  # 输出结果
  cat("Gene", gene_name, "\n")
  print(summary(high_expr_km))
  print(summary(low_expr_km))
}

注意，这里的`survival_data`是一个包含每个样本的生存时间和状态（0表示死亡，1表示存活）的数据框。你需要将其替换为你的实际数据。