使用gdc-client批量下载TCGA数据

GDC的在线下载功能只适用于下载小的数据集，当需要下载数据量较大的TCGA数据时，必须借助于GDC官方提供的客户端工具gdc-client。网址如下

https://gdc.cancer.gov/access-data/gdc-data-transfer-tool

该软件是一个命令行工具，支持windows, linux, mac OS多种操作系统，可以通过以下两种方法来下载文件

1. Manifest

首先通过GDC在线数据库筛选自己感兴趣的数据集，然后通过购物车图标将数据集添加到购物车中，示意如下

点击导航栏的Cart按钮，点击下载Manifest文件

该文件内容如下所示

第一列为文件的uuid, 在GDC数据库中，所有的信息都用一个uuid唯一标识。利用manifest文件批量下载的用法如下

gdc-client download -m gdc_manifest_20190610_105445.txt

结果下载到当前目录，每个文件保存在uuid对应的文件夹下，示意如下

这里我下载的是FPKM的基因表达量，文件内容如下

可以看到没有表头信息，而且每个样本是分开的，在实际使用中，我们通常需要整合到一张表中，得到一个行为基因，列为样本的基因表达量的表格。通过这种方式下载的数据，没有文件对应的样本信息，这个信息可以通过下载SampleSheet得到，该文件的内容如下

保存了每个样本对应的样本等信息，通过结合这个数据，可以整理得到基因表达量的表格。

2. UUID

第二种方式直接使用文件对应的uuid进行下载， 点击文件名称，可以看到UUID的信息，如下所示

通过uuid下载文件的用法如下

gdc-client download cadfedcc-2742-42ad-9fd3-733d01086392

这两种方式本质上是一样的，都是通过文件的uuid来对应到唯一的一个文件，并进行下载。需要注意的是，这种方式只能够下载得到原始文件，如果需要下游分析，需要自己调整文件格式。