TCGA数据下载：R包TCGA2STAT介绍

上期介绍了若干种获取TCGA数据的方法，今天这期会落点于TCGA2STAT这个R包的介绍上，一步步的来说明下载方法，哪些数据是可以下载到的。

R包的下载

install.packages("TCGA2STAT")

选择如何的镜像，咱们在中国，就选择china，这样的话下载速度会很快，也容易安装R包成功。

可下载的数据

1、 RNASeq ，默认是count类型，是指下载raw read counts数据。可以改为RPKM，是指下载normalized read counts数据 (reads per kilobase per million mapped reads)。

2、RNASeq2，是指来自the second pipeline的RNASeq基因数据。

3、miRNASeq，默认为count，是指下载raw read counts数据；可以改为rpmmm，是指下载normalized read counts。

4、Mutation，默认为smoatic，是指non-silent somatic mutations 数据；改为all，表示为all mutations数据。

5、Methylation，默认为来自platform为27K；platform可改为450K。

6、CNA_CGH，默认为415K，是指CGH Custom Microarray 2x415K ；可改为244A，是指 CGH Microarray。

7、mRNA_Array，默认为G450，是指Agilent 244K Custom Gene Expression G4502A ；可改为U133，只指Affymetrix Human Genome U133A 2.0 Array；还可以改为Huex，是指Affymetrix Human Exon 1.0。

下载格式

getTCGA(disease = "GBM", data.type = "RNASeq2", type = "", filter = "Y",
p = getOption("mc.cores", 2L), clinical = FALSE, cvars = "OS")

上面的参数的值都为默认情况下的，disease包括了33种，”ACC”, “BLCA”, “BRCA”, “CESC”, “CHOL”, “COAD”, “COADREAD”, “DLBC”,”ESCA”, “FPPP”, “GBM”, “GBMLGG”, “HNSC”, “KICH”, “KIPAN”, “KIRC”, “KIRP”, “LAML”, “LGG”,”LIHC”, “LUAD”, “LUSC”, “MESO”, “OV”, “PAAD”, “PCPG”, “PRAD”, “READ”, “SARC”, “SKCM”,”STAD”, “TGCT”, “THCA”, “THYM”, “UCEC”, “UCS”, and “UVM”。

根据TCGA官网给出的图，介绍了目前收集到的数据情况：

TCGA中各个癌症的数据

纵轴表示收集到的病例数。

• 下面来举一个例子来说明数的下载：

library(TCGA2STAT)
BRCA <- getTCGA(disease = "BRCA", data.type
= "RNASeq",type = "count", clinical=TRUE)

如果在win系统下，会报错： Error: TAR is not installed in the system. Data unzip failed.

谷歌查到说需要安装Cygwin软件，然后通过R语言命令来加载，而且每次使用都必须做加载，命令如下：

Sys.setenv(TAR="D:/cygwin64/bin/tar",R_GZIPCMD="D:/cygwin64/bin/gzip")

个人见解

TCGA2STAT这个包下载数据效果太差，不稳定，时常没法下载完就中断了，及其不稳定。也许你所在地方刚好能很好的下载也说不定。