TCGA数据库mRNA＆lncRNA数据提取

前段时间忙于期末考试和一些其他的事，已经久到不记得多久没更了，手动哭。为了避免掉粉，今天放一段干货。TCGA数据库中mRNA和lncRNA数据counts文件的整合，别掉粉别掉粉，这次用到的语言是Python，所以各位需要装一个Python、pycharm和anaconda，具体的安装方法和软件设置百度就OK了，以后就真的可以获取最新最准确的TCGA数据喽。重要的事说三遍，别掉粉别掉粉别掉粉。

importgzip

importos

# 所有数据源的根目录（绝对路径）

ROOT_DIR =r"D:\research\2017LM\EBV\STAD\mRNA&lncRNA"

# 忽略需要的标识文件名

annotation_file =r"annotations.txt"

# 解压后的目标目录（绝对路径）

uzip_counts_dirs =r"D:\research\2017LM\EBV\STAD\result_unzip"

# 压缩文件的后缀

key_zip_suffix =".counts.gz"

key_suffix =".gz"

# 初始化目标目录,目录存在且不为空时不能执行

if notos.path.isdir(uzip_counts_dirs):

os.makedirs(uzip_counts_dirs)

# 切换工作目录到ROOT_DIR下

os.chdir(ROOT_DIR)

# 获取所有数据源列表(保证没有其余的无关文件，本程序不做异常处理)

source_data_dir = os.listdir(ROOT_DIR)

# 读压缩文件，写count文件

defunzip_counts(each_data):

count_gz_file = [xforxinos.listdir(each_data)if

x.endswith(key_zip_suffix)]

ifcount_gz_file:

count_gz_file_ = count_gz_file[]

count_gz_file = os.path.join(ROOT_DIR,each_data,count_gz_file_)

target_file = os.path.join(uzip_counts_dirs,count_gz_file_.strip(key_suffix))

print("Dealing with {} ot {}".format(count_gz_file,target_file))

input_file = gzip.open(count_gz_file,'rb')

withopen(target_file,'wb')asoutput_file:

output_file.write(input_file.read())

input_file.close()

else:

print("Please check this dir: These aren't count.gz file

found!-->{}".format(os.path.join(ROOT_DIR,each_data)))

defdeal_with_main():

# 处理主函数

foreach_datainsource_data_dir:

ifannotation_fileinos.listdir(each_data):

print(each_data,"---------------------------------

--------------------")

pass

else:

unzip_counts(each_data)

if__name__ =='__main__':

deal_with_main()

就酱紫喽。提取出来的counts文件在R里面用一个for的函数就可以全部读出来在一张表上了，剩下的处理流程之前TCGA的推送里有的，因为偷懒直接在公众号里直接写的推送没用秀米，所以别嫌弃丑啦，格式问题，可能用iPad阅览效果更佳。不写下期预告了，每次的下期预告都不是下期预告！！！下期可能为了偷懒会放点我收藏的比较好用的R包或者小函数把。哭着搬砖去啦。

不会搞科研的医生不是好厨子，欢迎大家来厨房找我玩，虽然你们肯定找不到我hahahahaha~~~~~~