TCGA学习笔记一(生信技能树概述版)

已于 2024-03-04 23:16:18 修改
阅读量1.9k 收藏 3
点赞数 1
CC 4.0 BY-SA版权
分类专栏： TCGA数据库学习 文章标签： 学习
于 2022-12-01 23:16:56 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_73362123/article/details/128107149
本文介绍如何使用UCSC Xena和Broad GDAC Firehose等工具挖掘癌症数据，并提供GDC官方下载工具的具体操作流程，帮助研究人员高效获取所需数据。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

1.背景介绍

重要数据

  1. 外显子数据
  2. 表达数据
  3. 小RNA测序数据
  4. 拷贝数芯片
  5. 甲基化数据
  6. 蛋白质组学数据
  7. 临床信息

在这里插入图片描述

癌症背景知识

网页工具大全

  • GDC
  • cbioportal：按照paper来分类的
  • UCSC
  • FIREHOSE
  • oncolnc
  • gepia
  • tanric

相关数据库

  • GTEx
  • CCLE

2.使用UCSC Xera网页工具

浏览器搜索UCSC Xera，点击Launch Xera即可以在线搜索某些癌症的信息，先在Search栏输入癌症名，根据出现的结果，选择想要检索的那个数据库，点Done；之后可以根据自己的生物学背景知识以及想要挖掘这个癌症哪方面的需求，选择合适的选项，可以不断fitter，找到自己想要的数据。
过滤完成之后，是可以在线直接画出图像的，根据图像的有关信息，初步得到一些结论。

UCSC Xera
在这里插入图片描述
在这里插入图片描述

3.使用Broad GDAC firehose网页工具

Broad GDAC firehose

利用在线网页提供的数据进行数据库挖掘，找到一些感兴趣的基因且和疾病有较为显著的关系，然后就可以后续做生物学实验验证，是否有这样的关系。个人理解即反推验证法，通过实验数据确实能得到这样的结果，则说明确实存在这样的生物学意义(每一种影响的背后都可能对应着一种生物学机制)。

4.文章规律讲解

4.1Signatures规律

可以挖掘的东西，如图左边提到的东西，可以联合几个一起在这些癌症里面挖掘。
在这里插入图片描述

4.2WGCNA LASSO COX

5.数据下载方式

需要关注的数据
在这里插入图片描述
在这里插入图片描述

5.1GDC官方下载工具

GDC给出了一系列的用户友好选择框，你只需要根据条条框框来选择就可以下载到自己想要的数据，就不需要从几百个文件里面漫无目的地查找。
GDC链接: https://portal.gdc.cancer.gov/，根据自定义过滤条件拿到mainfest文件，只需要根据过滤得到的mainfest文件进行GDC下载数据即可，下载下来的文件，是每个样本一个文件夹，需要合并，需要了解为什么用XML来存储信息。
在这里插入图片描述
进入这个界面以后，可以选择File和Cases的格式，勾选自己想要的数据类型，比如mi-RNA，临床信息等等，宗旨经过筛选以后的样本数据就会少很多，然后点击左边的Mainfest，下载到本地，拖到服务器就可以进行后续整理，目前没有尝试，不是很清楚具体的linux命令。
在这里插入图片描述
在这里插入图片描述

6数据整理

转录组分析流程(一)：数据下载与预处理
Protein Designer的博客
06-28 1089
本教程通过挖掘TCGA和XENA数据库的前列腺癌(PRAD)数据，利用生物信息学方法探索目标基因集的预后潜力及分子机制。首先从TCGA获取临床数据、FPKM和Counts表达矩阵，筛选生化复发期(BCR)作为预后指标，并整合生存数据。通过预处理去除低质量样本，结合GENCODE注释文件标准化基因表达矩阵。进一步计划在单细胞层面(scRNA-seq)分析预后基因的表达模式与细胞互作网络，结合分子对接技术筛选潜在药物靶点，为前列腺癌治疗提供新思路。分析流程涵盖差异表达、生存分析、细胞通讯等多维度研究。
学习笔记 — TCGA 生存分析理论+R语言实践
swangee的博客
08-26 4135
生存分析的理论知识+生存曲线的绘制及优化
TCGA-肺癌数据分析：来自TCGA数据集的肺癌数据分析项目
02-15
TCGA肺癌数据分析 该数据分析项目已在密歇根大学的2020年秋季我的Stats 600回归分析课程中完成。 分析的数据包含肺癌患者的样本以及不同的临床因素及其基因组信息。 在此分析中，我想回答以下问题：哪些mRNA基因表达与肺癌患者的生存时间最相关？ 与其他种族，性别和年龄等临床因素相比，吸烟与肺癌患者的生存时间是否更紧密相关？ 放射疗法是延长患者生存时间的有效手段吗？
生信技能树
12-07
生信技能树的创始人做的，有需求下载。生信技能树的创始人做的，有需求下载生信技能树的创始人做的，有需求下载
7. 生信技能树——TCGA癌症数据2
weixin_48275332的博客
04-16 5240
一. “生存分析前的数据整理” 1.读入数据 表达矩阵只需要tumor数据，不要normal，将其去掉，新表达矩阵数据命名为exprSet； 临床信息需要进一步整理，成为生存分析需要的格式，新临床信息数据命名为meta。 由于不同癌症的临床信息表格列名可能不同，这里的代码需要根据实际情况修改。 rm(list=ls()) proj = "TCGA-KIRC" load(paste0(proj,".Rdata")) library(stringr) 2.整理表达矩阵 不需要正常样本；使用logCPM或log
R：生信技能树学习笔记一
weixin_73362123的博客
11-26 502
生信技能树小破站：R应该这样学1-4。
生信技能树R语言学习
weixin_48275332的博客
03-30 1815
一、数据类型和向量 1. 数据类型 1.1 判断数据类型class() 1.2 按Tab键自动补全 1.3 数据类型的判断和转换 （1）is 族函数，判断，返回值为TRUE或FALSE is.numeric("123") is.character("a") is.logical(TRUE) （2）as族函数实现数据类型之间转换 as.matrix() as.numeric() as.character() as.logical() 2. 向量 （1）有重复的用rep(),有规律的用seq(),随机数
CancerSubtypes包的介绍（根据生信技能树Jimmy老师分享的乳腺癌分子分型包资料整理）
weixin_51547801的博客
03-13 5706
CancerSubtypes包的介绍 期刊: Bioinformatics 论文：CancerSubtypes: an R/Bioconductor package for molecular cancer subtype identification, validation and visualization Github link: https://github.com/taoshengxu/CancerSubtypes/blob/master/inst/doc/CancerSubtypes-vigne
生信个人笔记之TCGA
hahaha666555的博客
12-08 1740
library("TCGAbiolinks") ###getGDCprojects()$project_id ##罗列project参数所有内容(癌症种类) ###TCGAbiolinks:::getProjectSummary("TCGA-HNSC") ##罗列所选癌症的data.category expquery <- GDCquery(project = "TCGA-HNSC", data.category = "Transcriptome Prof...
TCGA原始数据预处理代码（R版-版本一）
08-06
TCGA原始数据预处理代码（R版|版本一）
TCGA-KIRC-mRNA表达数据——肾透明细胞癌表达及临床数据集整理
05-22
TCGA-KIRC数据集已经整理成LCPM格式，临床数据已经汇总整理。 LCPM格式即log2(CPM+1)格式，现在认为log2(TPM+1)和log2(FPKM+1)格式比较过时了。部分生信文章审稿人推荐使用此格式分析数据
TCGA临床数据提取
04-12
自己编写程序，对TCGA的临床信息进行整理和提取，便于做生存分析
新版TCGA数据整理，通过R语言实现TCGA数据整理
04-05
TCGA（The Cancer Genome Atlas）是一项旨在系统地对不同类型的癌症的遗传变异进行研究的项目。该计划由美国国家卫生研究院（NIH）下属的国家癌症研究所（NCI）和国家人类基因组研究所（NHGRI）共同发起。TCGA项目...
【生信技能树】GEO数据库挖掘 P5
weixin_47855187的博客
04-04 2385
【生信技能树】GEO数据库挖掘 P5 4 ID转换技巧大全 【生信技能树】GEO数据库挖掘_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV1is411H7Hq?p=5&spm_id_from=333.1007.top_right_bar_window_history.content.click【方法1】本章接导入，利用read函数导入后是一个matrix 【方法2】本章利用getGEO方式导入，获取其表达矩阵。 如果使用getGEO获取的是一个对
生信技能树linux虚拟机,生信人的linux考试-生信技能树学习笔记
weixin_32533957的博客
04-29 703
一、在任意文件夹下面创建形如 1/2/3/4/5/6/7/8/9 格式的文件夹系列。mkdir testcd testmkdir -p 1/2/3/4/5/6/7/8/9二、在创建好的文件夹下面，比如我的是 /Users/jimmy/tmp/1/2/3/4/5/6/7/8/9 ，里面创建文本文件 me.txttouch ./1/2/3/4/5/6/7/8/9/me.txttree.└── 1└──...
生信技能树--R语言
m0_56780122的博客
12-10 648
1> 五种变量类型（class属性）：向量型（Vector）、矩阵型（Matrix）、数组型（Array）、数据框架型（Data Frame）、列表型（List）
生信技能树生信入门班【Day8】-R语言-基因芯片分析实战篇（GSEA+多分组数据分析+甲基化芯片数据+WGCNA+PPI+机器学习）
Juopice_的博客
12-08 2585
因子（Factor）是R语言中用于存储分类数据的特殊数据类型。它可以看作是对字符型数据的扩展，赋予了这些数据更多的结构和含义。
5. 生信技能树——GEO转录组RNA_seq_GSE162550
weixin_48275332的博客
04-13 2996
和生信技能树GEO转录组“GSE150392“分析类似，唯一区别就是在数据处理和ID转换这一环节略微有区别 1.数据下载 最方便的是xena。可以网页下载，也可以用代码下载。 proj = "DHA" 2.生存信息与临床信息 这里仅仅是查看一下，到生存信息部分再整理。 library(GEOquery) eSet = getGEO("GSE162550",destdir = ".",getGPL = F) eSet = eSet[[1]] exp = exprs(eSet) pd = pData(eSet
TCGA肾透明细胞癌生信分析
最新发布
03-16
<think>好的，用户想进行TCGA数据库中肾透明细胞癌（KIRC）的生物信息学分析，需要了解相关的工具和方法。首先，我需要回顾TCGA数据分析的常用流程，确保覆盖数据获取、预处理、差异分析、生存分析、通路富集等步骤。 用户可能对具体的工具不太熟悉，所以要列举常见的工具，比如GDC Data Portal、UCSC Xena、cBioPortal等数据获取平台。同时，预处理步骤中的R包如DESeq2、edgeR也需要提到，这些都是处理RNA-seq数据的标准工具。 差异表达分析部分，要强调DESeq2和limma的使用，可能用户需要知道如何处理基因表达数据。生存分析方面，survival和survminer包是基础，可以结合Kaplan-Meier曲线进行可视化，这部分可能需要代码示例。 功能富集分析工具如clusterProfiler和DAVID也是关键，用户可能想知道如何解释差异基因的生物学意义。另外，体细胞突变分析的工具如MutSigCV和GISTIC，以及多组学整合的工具如Cox比例风险模型，都需要涵盖。 还需要考虑用户可能对流程不熟悉，所以给出一个基本流程框架，从数据下载到结果可视化，帮助他们逐步进行。此外，注意事项部分提醒数据质量控制、批次效应和临床数据整合，这些都是分析中常见的陷阱。 最后，生成的相关问题需要覆盖工具选择、差异基因识别、生存分析、多组学整合和可视化方法，确保用户后续有进一步的学习方向。同时，确保回答中提到的工具和步骤都有引用来源，比如GDC Data Portal和TCGA出版物，以增加可靠性。</think>### TCGA肾透明细胞癌生物信息学分析工具与方法 #### 1. **数据获取与预处理** - **TCGA数据下载**：通过[GDC Data Portal](https://portal.gdc.cancer.gov/)或[UCSC Xena浏览器](https://xenabrowser.net/)获取RNA-seq、DNA甲基化、体细胞突变等数据[^1] - **数据清洗**：使用`R`语言中的`TCGAbiolinks`包进行数据标准化和批次校正 - **临床数据整合**：通过`SummarizedExperiment`对象整合表达矩阵与临床信息 #### 2. **差异表达分析** - **工具选择**： - `DESeq2`：适用于RNA-seq数据的差异基因分析 - `limma`：处理微阵列或RNA-seq数据的线性模型框架 ```r library(DESeq2) dds <- DESeqDataSetFromMatrix(countData=counts, colData=meta, design=~condition) dds <- DESeq(dds) res <- results(dds) ``` #### 3. **生存分析** - **关键方法**： - Kaplan-Meier曲线绘制（`survival`+`survminer`包） - Cox比例风险模型构建 ```r library(survival) fit <- survfit(Surv(OS_time, OS_status) ~ gene_expression_group, data=clin) ``` #### 4. **功能富集分析** - **推荐工具**： - `clusterProfiler`进行GO/KEGG富集分析 - `GSEA`软件进行基因集富集分析 - `STRING`数据库构建蛋白互作网络 #### 5. **体细胞突变分析** - **专用工具**： - `MutSigCV`识别显著突变基因 - `maftools`可视化突变频谱 - `GISTIC`分析拷贝数变异 #### 6. **多组学整合分析** - **分析方法**： - 甲基化-表达相关性分析（`methylmix`） - miRNA-mRNA调控网络构建 - 多组学聚类（`iClusterPlus`） ### 典型分析流程 $$ \text{数据获取} \rightarrow \text{质量控制} \rightarrow \text{差异分析} \rightarrow \text{功能注释} \rightarrow \text{生存验证} \rightarrow \text{机制预测} $$ ### 注意事项 1. 需处理TCGA数据特有的批次效应（使用`ComBat`校正） 2. 建议使用Firehose标准分析流程作为基准[^2] 3. 关注肿瘤纯度调整（ESTIMATE算法）
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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