2022-TCGA数据库重大更新后3行代码提取simple nucleotide variation的数据

DoubleHelix

发布于 2022-04-18 15:11:36

4.5K8

发布于 2022-04-18 15:11:36

文章被收录于专栏：生物信息云生物信息云

最近，TCGA数据库发生重大更新，前面我介绍了RNAseq的处理后【2022-TCGA

只需要3行代码就可以搞定的，下载后的数据解压到了DLBC_SNV文件夹中。

library(maftools)
library(tidyverse)
mafFilePath = dir(path = "./DLBC_SNV/",pattern = "masked.maf.gz$",full.names = T,recursive=T)
mafdata <- lapply(mafFilePath, function(x){read.maf(x,isTCGA=TRUE)})
snv_data = merge_mafs(mafdata)

得到的数据对象和之前的处理方式是一样的。

TCGA数据库：SNP数据的下载整理及其可视化

也可以计算TMB和MATH

肿瘤突变负荷(TMB)与等位基因突变的肿瘤异质性(MATH)分数的计算

如果你有老版本的数据也是可以用的，不一定要更新。

当然，TCGAbiolinks包还是可以下载的，但仅仅是可以下载数据而已，不过下载速度有些慢。希望开发该包的作者更新一下这个包。

library(TCGAbiolinks)
query_SNV <- GDCquery(project = "TCGA-DLBC",
                      data.category = "Simple Nucleotide Variation",
                      data.type = "Masked Somatic Mutation",
                      workflow.type = "Aliquot Ensemble Somatic Variant Merging and Masking")
GDCdownload(query_SNV)

mafFilePath2 = dir(path = "GDCdata/TCGA-DLBC",pattern = "masked.maf.gz$",full.names = T,recursive=T)
mafdata2 <- lapply(mafFilePath2, function(x){read.maf(x,isTCGA=TRUE)})
snv_data2 = merge_mafs(mafdata2)