数据挖掘专题 关于TCGA中的COADREAD

我们九月初的文章TCGA数据挖掘如何入门？里，TCGA官方发布的癌型相关Projects是39个，目前已经更新到40个了：

当然，如果你已经习惯使用TCGA数据下载神器-TCGABiolinks去查看、下载及整理TCGA数据，也可以看到这40个Projects如下：

如果刚好了解过Firehose或者Xena，你可能会发现一个有趣的事情，就是这两个基于TCGA数据作进一步整理并发布出来的数据，其中包含着新的数据集COADREAD（结直肠癌）：

Firehose：

https://gdac.broadinstitute.org/

Xena：

https://xenabrowser.net/datapages/?cohort=TCGA%20Colon%20and%20Rectal%20Cancer%20(COADREAD)

看名称 COAD READ -> COADREAD 什么鬼！不会就是简单的数据组合吧？

以Xena数据库中mRNA表达为例，详细看下这个COADREAD：

https://xenabrowser.net/datapages/?cohort=TCGA%20Colon%20Cancer%20(COAD)

https://xenabrowser.net/datapages/?cohort=TCGA%20Rectal%20Cancer%20(READ)

https://xenabrowser.net/datapages/?cohort=TCGA%20Colon%20and%20Rectal%20Cancer%20(COADREAD)

评估简单合并的数据（如下mergedata）与直接下载的COADREAD（如下coadread）数据是否一致：

结论：数据一致！

那，这个数据能不能直接用，需不需要做批次矫正？

先看一个肿瘤和正常对照样本的PCA图：

可见，很明显的样本区分，此时你猜这部分红色点里，哪些是结肠癌患者，哪些是直肠癌患者呢？

如下，我们以患者癌属性对样本点进行颜色区分：

可见，READ和COAD患者并无明显的分组区分，所以并不需要进行批次效应矫正！

我们在下面这篇文章中找到了佐证：

Nat Med. 2015 Nov;21(11):1350-6. doi: 10.1038/nm.3967. Epub 2015 Oct 12.

文中对此相应描述如下：

综上

1、COADREAD数据来源于COAD和READ数据的简单合并，数据可直接用于分析无需矫正！

2、Xena中没有COADREAD的miRNA表达数据，可以考虑自己合并数据！