ROC曲线纵坐标为真阳性率（TPR灵敏度），横坐标为假阳性率（1-特异度FPR）。关于真阳性率，假阳性率等的概念这里不做赘述。曲线越靠近左上角，越有诊断价值，ROC曲线下面积越大，越有应用价值。

横坐标：1-Specificity，伪正类率(False positive rate， FPR)，预测为正但实际为负的样本占所有负例样本的比例；

纵坐标：Sensitivity，真正类率(True positive rate， TPR)，预测为正且实际为正的样本占所有正例样本的比例。

在作图过程中可能出现需要多个不同时间的ROC曲线，比如1年，3年，5年该如何绘制ROC曲线在一张图上呢！

install.packages("survivalROC")

library(survivalROC)

require(ggsci)

library("scales")

pal_nejm("default")(8)

show_col(pal_nejm("default")(8))

rt=read.table("lassoRisk.txt",header=T,sep="\t",check.names=F,row.names=1)    #??ȡlasso?ع??????ļ?

pdf(file="ROC.pdf",width=6,height=6)

par(oma=c(0.5,1,0,1),font.lab=1.5,font.axis=1.5)

roc=survivalROC(Stime=rt$futime, status=rt$fustat, marker = rt$riskScore,

      predict.time =5, method="KM")

plot(roc$FP, roc$TP, type="l", xlim=c(0,1), ylim=c(0,1),col='#BC3C29FF',

  xlab="False positive rate", ylab="True positive rate",

  main=paste("ROC curve"),

  lwd = 2, cex.main=1.3, cex.lab=1.2, cex.axis=1.2, font=1.2)

roc1=survivalROC(Stime=rt$futime, status=rt$fustat, marker = rt$riskScore,

                predict.time =3, method="KM")

lines(roc1$FP, roc1$TP, type="l",col="#0072B5FF",xlim=c(0,1), ylim=c(0,1))

roc2=survivalROC(Stime=rt$futime, status=rt$fustat, marker = rt$riskScore,

                predict.time =1, method="KM")

lines(roc2$FP, roc2$TP, type="l",col="#EE4C97FF",xlim=c(0,1), ylim=c(0,1))

legend(0.6,0.2,c(paste("AUC of 5 year = ",round(roc$AUC,3)),

                paste("AUC of 3 year = ",round(roc1$AUC,3)),

                paste("AUC of 1 year = ",round(roc2$AUC,3))),

      x.intersp=1, y.intersp=0.8,

      lty= 1 ,lwd= 2,col=c("#BC3C29FF","#0072B5FF","#EE4C97FF"),

      bty = "n",# bty框的类型

      seg.len=1,cex=0.8)#

abline(0,1,col="gray",lty=2)

dev.off(）

生信小白：如果有疑问可以加群或者联系我，随时愿意解答。

Weixin: xuningbo6926

邮箱:nbxu1206@gmail.com

生信分析交流群：1098119483

qq生信分析交流群二维码：见下图，加入群聊，有最新代码及课程资料(生信自学网，生信技能树)更新！