TCGAbiolinks--使用R下载TCGA数据

如何让小智AI成为你的第二大脑——“免费”送小智AI智能音箱征文活动 10w+人浏览 230人参与

AI助手已提取文章相关产品:

生信老学长
“师兄师兄,我要研究泛癌怎么批次化下载TCGA的数据啊”。嗨,上次告诉你关注我,这次还是再告诉你一次

download_path='./TCGA'#填写你的下载文件夹

setwd(download_path)

project='TCGA-OV'#填写肿瘤项目名称,不会的见推文

library(TCGAbiolinks)

library(SummarizedExperiment)

##下载方面主要分为三个部分

#1、查询 GDCquery()

#2、下载GDCdownload()

#3、读取GDCprepare()

#1、查询 GDCquery()

GDCquery(

project,#项目名称例如TCGA-LIHC 肝癌

data.category,#数据类型,见推文介绍

data.type,#分类后的再详细分类,见推文介绍

workflow.type,#使用的软件或者方法

access,#默认为open即权限

platform,#测序平台 见https://rdrr.io/bioc/TCGAbiolinks/man/GDCquery.html及TCGA

file.type,#一般没用

barcode,#可以指定下载样本条码如TARGET-20-PADZCG-04A-01R

data.format,#可以指定数据格式例如"VCF", "TXT", "BAM","SVS","BCR XML","BCR SSF XML", "TSV", "BCR Auxiliary XML", "BCR OMF XML", "BCR Biotab", "MAF", "BCR PPS XML", "XLSX")

experimental.strategy,#测序类型

sample.type#样本类型,见推文例如Primary Solid TumorTP

)

#查看各参数可填入列表

#project

TCGAbiolinks:::getGDCprojects()$project_id

#data.category

TCGAbiolinks:::getProjectSummary(project)$data_categories

#查询数据示例 转录组 原发性实体瘤和对照

query <- GDCquery(

project = project,

data.category = "Transcriptome Profiling",

data.type = "Gene Expression Quantification",#基因表达量

workflow.type = "STAR - Counts",

sample.type = c('Primary Tumor', 'Control Analyte')

)

#2、下载GDCdownload()

GDCdownload(query, method = "api", files.per.chunk = 100) 

#3、读取GDCprepare()

pre.exp = GDCprepare(query = query)

#查看数据类型

names(assays(pre.exp))

#提取fpkm

fpkm_matrix <- assay(pre.exp, "fpkm_uq_unstrand")

fpkm_matrix[1:5,]

#查看临床

colData(pre.exp)

#查看对应的symbol

rowData(pre.exp)

##查询临床

#indexed clinical: 使用 XML 文件创建的精炼临床数据,XML>indexed

#XML: 原始临床数据

#BCR Biotab: 解析 XML 文件之后的 tsv 文件

query_clin <- GDCquery(

project = project,

data.category = "Clinical",

data.type = "Clinical Supplement",

data.format = "BCR Biotab"

)

GDCdownload(query_clin)

clinical <- GDCprepare(query_clin)

names(clinical)

#获取采样信息

query_Biospecimen <- GDCquery(

project = project,

data.category = "Biospecimen",

data.type = "Biospecimen Supplement",

data.format = "BCR Biotab"

)

GDCdownload(query_Biospecimen)

Biospecimen=GDCprepare(query_Biospecimen)

#切片图像

query_slide <- GDCquery(

project = project,

data.category = "Biospecimen",,

data.type = "Slide Image",

data.format = "SVS" 

)

# 检索特定肿瘤的分子亚型,只有部分有

subtype=TCGAquery_subtype('HNSC')

colnames(subtype)

参考文献

Antonio Colaprico, Tiago Chedraoui Silva, Catharina Olsen, Luciano Garofano, Claudia Cava, Davide Garolini, Thais Sabedot, Tathiane Malta, Stefano M. Pagnotta, Isabella Castiglioni,Michele Ceccarelli, Gianluca Bontempi Houtan Noushmehr. TCGAbiolinks: An R/Bioconductor package for integrative analysis of TCGA data Nucleic Acids Research (05 May 2016) 44 (8): e71.

生信老学长 专业方案撰写和生信支持

您可能感兴趣的与本文相关内容

### 使用 TCGAbiolinks 批量下载最新版 TCGA 数据库中的各种组学数据 TCGAbiolinks 是一个用于访问 The Cancer Genome Atlas (TCGA) 数据的 R 包,提供了一种高效的方式来进行批量下载。为了完成这一任务,首先需要安装并加载 `TCGAbiolinks` 和其他必要的依赖项。 #### 安装和加载所需的R包 ```r if (!requireNamespace("BiocManager", quietly = TRUE)) install.packages("BiocManager") BiocManager::install("TCGAbiolinks") library(TCGAbiolinks) ``` #### 设置查询参数 定义要检索的数据集的具体条件,比如癌症类型、平台名称等。这里以乳腺浸润癌(BRCA)为例: ```r query <- GDCquery( project = "TCGA-BRCA", data.category = c("Transcriptome Profiling"), workflow.type = "HTSeq - Counts" ) ``` 上述命令指定了项目为 TCGA 中的 BRCA 类型,并选择了转录组谱型作为感兴趣的数据类别,具体到 HTSeq 计数的工作流类型[^1]。 #### 下载文件清单 执行实际的查询操作来获取符合条件的数据列表: ```r GDCdownload(query) ``` 这一步骤会根据之前设定好的查询对象自动处理下载过程,确保获得最新的版本信息。 对于不同类型的组学数据,可以通过调整 `data.category` 参数以及其他过滤选项来适应需求。例如,如果想要获取 DNA 甲基化数据,则可以修改如下所示: ```r methylation_query <- GDCquery( project = "TCGA-BRCA", data.category = "DNA Methylation", platform = "Illumina HumanMethylation450" ) GDCdownload(methylation_query) ``` 通过这种方式,可以根据研究目的灵活定制所需的数据集合。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值