【原】TCGA數(shù)據(jù)庫下載：多種方法及優(yōu)缺點介紹

健明 2021-07-14

展開全文

早就告訴圈內(nèi)好友，我把自己的28篇TCGA教程的部分知識點錄制成為了視頻，雖然播放量很少，但是看過的朋友都說收獲很大，而且還有專門的筆記系統(tǒng)性介紹自己學(xué)習的收獲，今天我們就分享其中一位優(yōu)秀學(xué)員的筆記：

數(shù)據(jù)挖掘必看視頻，實際上我發(fā)現(xiàn)很多人從我這里學(xué)習到知識點后刻意抹去我的存在，進行所謂的二次創(chuàng)作！

也刻意不轉(zhuǎn)發(fā)給身邊有需要的朋友，我不是很能理解它們的意圖！

在TCGA數(shù)據(jù)庫下載文件有很多種方法：

一.利用R語言下載

（本文重點介紹這個）

R語言有很多不同的包可以用于下載TCGA文件（意思就是不同的代碼實現(xiàn)下載TCGA數(shù)據(jù)的同一目的）

方法1：TCGAbiolinks包

（首推這個方法！！目前沒發(fā)現(xiàn)明顯缺點） TCGA數(shù)據(jù)下載—TCGAbiolinks包參數(shù)詳解TCGA數(shù)據(jù)下載—TCGAbiolinks包參數(shù)詳解

library(TCGAbiolinks)#加載包
query <- GDCquery(project = "TCGA-DLBC", #選定要下載的腫瘤類型
                     data.category = "Transcriptome Profiling",#選定要下載的數(shù)據(jù)范疇
                     data.type = "Gene Expression Quantification",#選定要下載的數(shù)據(jù)類型
                     workflow.type = "HTSeq - Counts"#選定要下載RNAseq的-COUNT文件
)#這個過程和官網(wǎng)的篩選是差不多的，和下圖的篩選是實現(xiàn)的同樣的目的image

GDCdownload(query, method = "api", files.per.chunk = 100)
expdat <- GDCprepare(query = query)
library(SummarizedExperiment)
count_matrix=assay(expdat)
write.csv(count_matrix,file = paste("TCGA-DLBC","Counts.csv",sep = "-"))
#下載，并把文件保存

方法2：RTCGAT包

source("https:///biocLite.R")
biocLite("RTCGA")
# Install the clinical and mRNA gene expression data packages
biocLite("RTCGA.clinical") ## 14Mb
biocLite('RTCGA.rnaseq') ##  (612.6 MB)
biocLite("RTCGA.mRNA") ##  (85.0 MB)
biocLite('RTCGA.mutations')  ## (103.8 MB)
##加載包，這些包里面存的是相應(yīng)的數(shù)據(jù)
library(RTCGA)
all_TCGA_cancers=infoTCGA()
library(RTCGA.clinical) 
library(RTCGA.mRNA)

## 從下載的數(shù)據(jù)包中提取我們需要的文件，需要選擇癌癥種類，還有數(shù)據(jù)的種類等，基因種類等
library(RTCGA)
library(RTCGA.mRNA)
expr <- expressionsTCGA(BRCA.mRNA, OV.mRNA, LUSC.mRNA,
                        extract.cols = c("GATA3", "PTEN", "XBP1","ESR1", "MUC1"))

缺點：它是先下載所有已經(jīng)存儲的數(shù)據(jù)，然后從里面挑選你要的，缺點一是下載所有數(shù)據(jù)是因為文件太大會很慢，缺點二是數(shù)據(jù)并非最新的，上面代碼為2015-11-01 版本的 TCGA 數(shù)據(jù)

方法3：RTCGAToolbox包

#source("https:///biocLite.R")
#biocLite("RTCGAToolbox")
#加載包
library(RTCGAToolbox)
#哪些癌癥數(shù)據(jù)可以下載
getFirehoseDatasets()
#數(shù)據(jù)庫中更新時間
getFirehoseRunningDates()
getFirehoseAnalyzeDates()
## 下載數(shù)據(jù)，需要選擇癌癥種類，數(shù)據(jù)分析時間，還有數(shù)據(jù)的種類
brcaData = getFirehoseData (dataset="BRCA", runDate="20160128",
                            forceDownload = TRUE,
                            clinical=TRUE, Mutation=TRUE)
save(brcaData,file='brcaData.RTCGAToolbox.Rdata')
load(file='brcaData.RTCGAToolbox.Rdata')
brcaData