知识中心 - 北京概普生物科技有限公司(GapTech)

超友好的TCGA数据下载方式！

生信干货 shuang ·2019年1月29日 08:34

TCGA数据库可以说是研究分析中必不可少的一部分，数据目前在官网的下载方式虽说不难，但是整合起来还是叫人头大！不善于编程的小编被他整整折磨了一天也可以说是毫无进展！！！在摔电脑的边缘疯狂试探......

可是小编不能放弃，在崩溃的同时到处寻找解决办法，于是找到了一个R包--TCGAbiolinks，它是GDC官方推荐了一款第三方工具，通过GDC官方API下载数据，保证数据的及时性和准确性，同时也提供数据整理、聚类分析、差异分析、富集分析等功能。看上去还不错，小编就自己对下载数据初步尝试了一番~

首先是TCGAbiolinks的安装和加载，TCGAbiolinks对于R的版本要求较高，建议在3.4以上的版本进行

#安装
source("https://bioc.ism.ac.jp/biocLite.R")
biocLite("TCGAbiolinks")
#加载
library(TCGAbiolinks)

1、表达谱数据

#可以下载三种形式的数据，如"HTSeq - Counts","HTSeq - FPKM-UQ","HTSeq - FPKM"
query <- GDCquery(project = "TCGA-GBM",##对应癌症
                  data.category = "Transcriptome Profiling",
                  data.type = "Gene Expression Quantification",
                  workflow.type = "HTSeq - FPKM-UQ"##对应数据形式"HTSeq - Counts","HTSeq - FPKM"
                  )
GDCdownload(query)
data <- GDCprepare(query)

2、甲基化数据

#"Illumina Human Methylation 450","Illumina Human Methylation 27"
query<- GDCquery(project = "TCGA-GBM",
                 legacy = TRUE,data.category = "DNA methylation",
                 platform ="Illumina Human Methylation 450")
GDCdownload(query)
data<-GDCprepare(query)

#甲基化idat文件
query <- GDCquery(project = "TCGA-GBM",
                  data.category = "Raw microarray data",
                  data.type = "Raw intensities", 
                  experimental.strategy = "Methylation array", 
                  legacy = TRUE,
                  file.type = ".idat",
                  platform = "Illumina Human Methylation 450")
GDCdownload(query)
data<-GDCprepare(query)

3、miRNA

query = GDCquery(project = "TCGA-GBM", 
                 data.category = "Transcriptome Profiling",
                 data.type = "miRNA Expression Quantification") 
GDCdownload(query)
data<-GDCprepare(query)

4、拷贝数变异

query <- GDCquery(project = "TCGA-GBM", 
                  data.category = "Copy Number Variation", 
                  data.type = "Copy Number Segment")
GDCdownload(query)
data<-GDCprepare(query)

5、临床数据

clinical <- GDCquery_clinic(project = "TCGA-GBM", 
                            type = "Clinical",
                            save.csv=TRUE##可以直接写出文件
                            )
select<-c("submitter_id","gender","year_of_birth","days_to_death",
          "vital_status","tumor_grade","tumor_stage")##可以根据列名选择部分输出
clinical_select<-clinical[,select]
write.table(clinical_select,file = "GBM_clinical.txt",sep="\t",row.names=FALSE)

对于表达谱、甲基化谱、miRNA、拷贝数变异数据，通过上述的操作都可以获得data进行后续分析，当然，我们也可以把这些数据进行保存

#以表达谱为例进行演示，其他同理
library(TCGAbiolinks)
library(SummarizedExperiment)
library(stringr)
setwd("D:/gdc/")#设置工作路径
query <- GDCquery(project = "TCGA-GBM",
                  data.category = "Transcriptome Profiling",
                  data.type = "Gene Expression Quantification", 
                  workflow.type = "HTSeq - FPKM-UQ")
GDCdownload(query)
expdat <- GDCprepare(query)
matrix=assay(expdat)
namecol<-substring(colnames(expdat),1,16)#将"TCGA-14-0736-02A-01R-2005-01"转化成"TCGA-14-0736-02A"这样的形式
colnames(matrix)<-namecol
write.table(matrix,file = "GBM_expression_FPKM-UQ.txt",sep="\t")#输出文件

这样我们就可以得到类似下图形式的数据

TCGAbiolinks还可以进行对数据进一步的分析，比如差异分析、富集分析等，待小编深入学习下再来介绍~

2019年，遇见更好的自己