手把手教你用R语言下载TCGA数据库:TCGAbiolinks

TCGA这块大蛋糕,不同的人总会用不同的工具来切分这个蛋糕,今天我们继续分享关于TCGA数据下载的专题,今天我们继续聊聊TCGA的江湖,在TCGA的武林里,总有一个出类拔萃的佼佼者神包——TCGAbiolinks

TCGAbiolinks是GDC官方推荐了一款第三方工具,通过GDC官方API下载数据,保证数据的及时性和准确性,同时也提供数据整理、聚类分析、差异分析、富集分析等功能。

首先是TCGAbiolinks的安装和加载,TCGAbiolinks对于R的版本要求较高,建议在3.4以上的版本进行

下面开启你的R界面,学习该包:

1. TCGAbiolinks安装,借助BiocManager安装,前提也是你要安装好BiocManager,命令如下:

2.加载该包:

OK,可以看到没有任何问题,这也表明,我们安装并成功加载该工具包

3.下载数据,这里以急性髓性白血病为例子,首先要定义急性髓性白血病在TCGA里面的ID信息,为TCGA-AML,首先建立搜索索引:

这一步十分重要是后续操作的关键,需要输入四个参数,分别是project 代表项目ID, data.category参数需要我们输入数据集类型,比如我们下载的是转录组数据,就是写入"Transcriptome Profiling",data.type是代表输入的为gene 表达数据,另外一个注意的点便是workflow.type, 该参数决定下载数据的类型,如上,我们下载的便是counts数据,我们还可以下载FPKM,如下:

4.建立好索引,下一步便进行数据下载,命令及其简单,使用GDCdownload命令完成下载:

结果如下,每个文件夹代表一个样本:

5.数据整理成表达矩阵:

利用GDCprepare命令和TCGAanalyze_Preprocessing命令直接将数据整理成表达矩阵,十分方便。

原文发布于微信公众号 - 百味科研芝士(keyanzhishi)

原文发表时间:2019-05-06

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券