通过GDC Legacy Archive下载TCGA原始数据

在2016年之前，TCGA项目的相关结果文件存放在CGhub和TCGA Data Coordinating Center简称DCC提供的TCGA Data Portal中，当时的结果是以hg19或者hg18为参考得到的。

在DCC中，将数据划分为了3个等级。level 1代笔原始的，未经处理的数据的，比如芯片下机数据；level2 代表处理的中间结果，比如测序深度对应的wig文件；level 3 代表处理完成后的最终结果，比如基因的定量结果。

2016年之后，CGhub和DCC相继关闭，所有的数据统一迁移到现在用的GDC数据库，而且通过GDC的pipeline将原有的结果转换为hg38参考基因组版本。目前在GDC中检索到的结果都是经过了GDC pipeline处理过后的，从这里也可以看出，迁移到hg38是一个大的趋势。

当然目前使用hg19的还是挺多的，如果你需要基于hg19版本的TCGA数据，在GDC中也可以找到。其实GDC中的数据可以分为以下两个部分

1. GDC harmonized data
2. GDC legacy archive

在R包TCGAbiolinks中，介绍了二者的区别，如下图所示

第一部分就是默认使用的基于hg38版本的数据，第二部分则是对原始的TCGA结果的一个存储，通过GDC首页的GDC APPs, 可以找到CDC Legacy Archive的入口，链接如下

https://portal.gdc.cancer.gov/legacy-archive

在左侧的面板可以根据相关属性对Cases和Files进行筛选，Cases相关的属性如下

Files相关的属性如下

数据的下载方式和前面文章中介绍的相同，这里不赘述，从文件名称可以看到对应的level, 不同level的文件示意如下

1. level1

通过Data Type为Raw intensitites进行筛选，得到芯片的原始数据, 示意如下

2. level2

通过Data Type为Coverage WIG进行筛选，得到比对的测序深度数据, 示意如下

3. level3

通过Data Type为miRNA gene quantification进行筛选，得到miRNA表达定量数据, 示意如下

通过GDC Legacy Archive， 可以找到基于hg19的数据结果文件，但是由于相关的网站已经关闭，无法确认该数据分析的pipieline等细节信息，所以需要谨慎使用。