首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >TCGAbiolinks--使用R下载TCGA数据

TCGAbiolinks--使用R下载TCGA数据

原创
作者头像
生信老学长
发布2025-12-08 00:35:52
发布2025-12-08 00:35:52
840
举报

“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。

代码语言:txt
复制
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

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档