新版TCGA不同癌种数据合并

最新推荐文章于 2024-05-27 11:00:16 发布
最新推荐文章于 2024-05-27 11:00:16 发布
阅读量2.4k 收藏 13
点赞数 1
分类专栏： 生信数据挖掘 文章标签： r语言 生信 tcga
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Ayue0616/article/details/127824228
版权

很多文章对于TCGA中的一些癌症都是联合分析的，比如TCGA-COAD和TCGA-READ，首先是它们的疾病特点和治疗方式存在很多相似之处，同时这样做也可以增大样本量。

如果你是使用TCGAbiolinks包下载的数据，那么它们的合并超级简单，直接cbind()即可！

文章目录

加载数据和R包

数据都是之前下载好的，可以参考之前的推文：

我们直接加载TCGA-COAD和TCGA-READ的数据。

#library(TCGAbiolinks)

# COAD
load(file = "./TCGA-mRNA/TCGA-COAD_mRNA.Rdata")
coad <- data

# READ
load(file = "./TCGA-mRNA/TCGA-READ_mRNA.Rdata")
read <- data

合并数据

现在coad和read都是SummarizedExperiment对象，并且具有相同的行和行名：

coad
## Loading required package: SummarizedExperiment
## Loading required package: MatrixGenerics
## Loading required package: matrixStats
## 
## Attaching package: 'MatrixGenerics'
## The following objects are masked from 'package:matrixStats':
## 
##     colAlls, colAnyNAs, colAnys, colAvgsPerRowSet, colCollapse,
##     colCounts, colCummaxs, colCummins, colCumprods, colCumsums,
##     colDiffs, colIQRDiffs, colIQRs, colLogSumExps, colMadDiffs,
##     colMads, colMaxs, colMeans2, colMedians, colMins, colOrderStats,
##     colProds, colQuantiles, colRanges, colRanks, colSdDiffs, colSds,
##     colSums2, colTabulates, colVarDiffs, colVars, colWeightedMads,
##     colWeightedMeans, colWeightedMedians, colWeightedSds,
##     colWeightedVars, rowAlls, rowAnyNAs, rowAnys, rowAvgsPerColSet,
##     rowCollapse, rowCounts, rowCummaxs, rowCummins, rowCumprods,
##     rowCumsums, rowDiffs, rowIQRDiffs, rowIQRs, rowLogSumExps,
##     rowMadDiffs, rowMads, rowMaxs, rowMeans2, rowMedians, rowMins,
##     rowOrderStats, rowProds, rowQuantiles, rowRanges, rowRanks,
##     rowSdDiffs, rowSds, rowSums2, rowTabulates, rowVarDiffs, rowVars,
##     rowWeightedMads, rowWeightedMeans, rowWeightedMedians,
##     rowWeightedSds, rowWeightedVars
## Loading required package: GenomicRanges
## Loading required package: stats4
## Loading required package: BiocGenerics
## 
## Attaching package: 'BiocGenerics'
## The following objects are masked from 'package:stats':
## 
##     IQR, mad, sd, var, xtabs
## The following objects are masked from 'package:base':
## 
##     anyDuplicated, append, as.data.frame, basename, cbind, colnames,
##     dirname, do.call, duplicated, eval, evalq, Filter, Find, get, grep,
##     grepl, intersect, is.unsorted, lapply, Map, mapply, match, mget,
##     order, paste, pmax, pmax.int, pmin, pmin.int, Position, rank,
##     rbind, Reduce, rownames, sapply, setdiff, sort, table, tapply,
##     union, unique, unsplit, which.max, which.min
## Loading required package: S4Vectors
## 
## Attaching package: 'S4Vectors'
## The following objects are masked from 'package:base':
## 
##     expand.grid, I, unname
## Loading required package: IRanges
## 
## Attaching package: 'IRanges'
## The following object is masked from 'package:grDevices':
## 
##     windows
## Loading required package: GenomeInfoDb
## Loading required package: Biobase
## Welcome to Bioconductor
## 
##     Vignettes contain introductory material; view with
##     'browseVignettes()'. To cite Bioconductor, see
##     'citation("Biobase")', and for packages 'citation("pkgname")'.
## 
## Attaching package: 'Biobase'
## The following object is masked from 'package:MatrixGenerics':
## 
##     rowMedians
## The following objects are masked from 'package:matrixStats':
## 
##     anyMissing, rowMedians
## class: RangedSummarizedExperiment 
## dim: 60660 521 
## metadata(1): data_release
## assays(6): unstranded stranded_first ... fpkm_unstrand fpkm_uq_unstrand
## rownames(60660): ENSG00000000003.15 ENSG00000000005.6 ...
##   ENSG00000288674.1 ENSG00000288675.1
## rowData names(10): source type ... hgnc_id havana_gene
## colnames(521): TCGA-A6-5664-01A-21R-1839-07
##   TCGA-D5-6530-01A-11R-1723-07 ... TCGA-A6-2683-01A-01R-0821-07
##   TCGA-A6-2683-11A-01R-A32Z-07
## colData names(107): barcode patient ... paper_vascular_invasion_present
##   paper_vital_status

read
## class: RangedSummarizedExperiment 
## dim: 60660 177 
## metadata(1): data_release
## assays(6): unstranded stranded_first ... fpkm_unstrand fpkm_uq_unstrand
## rownames(60660): ENSG00000000003.15 ENSG00000000005.6 ...
##   ENSG00000288674.1 ENSG00000288675.1
## rowData names(10): source type ... hgnc_id havana_gene
## colnames(177): TCGA-AG-3580-01A-01R-0821-07
##   TCGA-AF-2692-11A-01R-A32Z-07 ... TCGA-AG-3894-01A-01R-1119-07
##   TCGA-AG-3574-01A-01R-0821-07
## colData names(107): barcode patient ... paper_vascular_invasion_present
##   paper_vital_status

对于这样的数据我们直接合并即可，我认为这是目前合并两个癌种最方便的方法了！

# 直接cbind
colrectal <- cbind(coad,read)

colrectal
## class: RangedSummarizedExperiment 
## dim: 60660 698 
## metadata(2): data_release data_release
## assays(6): unstranded stranded_first ... fpkm_unstrand fpkm_uq_unstrand
## rownames(60660): ENSG00000000003.15 ENSG00000000005.6 ...
##   ENSG00000288674.1 ENSG00000288675.1
## rowData names(10): source type ... hgnc_id havana_gene
## colnames(698): TCGA-A6-5664-01A-21R-1839-07
##   TCGA-D5-6530-01A-11R-1723-07 ... TCGA-AG-3894-01A-01R-1119-07
##   TCGA-AG-3574-01A-01R-0821-07
## colData names(107): barcode patient ... paper_vascular_invasion_present
##   paper_vital_status

得到的结果也是一个SummarizedExperiment对象。并且这个对象中各种信息也是保存好的，想用什么直接提取即可，非常方便。

但是这样合并可能涉及批次效应的问题，大家在实际使用时可根据自己的情况选择要不要去除批次效应！

提取信息

比如提取样本的临床信息，非常简单，甚至不需要重新下载：

clin <- as.data.frame(colData(colrectal))

clin[1:10,1:10]
##                                                   barcode      patient
## TCGA-A6-5664-01A-21R-1839-07 TCGA-A6-5664-01A-21R-1839-07 TCGA-A6-5664
## TCGA-D5-6530-01A-11R-1723-07 TCGA-D5-6530-01A-11R-1723-07 TCGA-D5-6530
## TCGA-AA-3556-01A-01R-0821-07 TCGA-AA-3556-01A-01R-0821-07 TCGA-AA-3556
## TCGA-AA-3660-11A-01R-1723-07 TCGA-AA-3660-11A-01R-1723-07 TCGA-AA-3660
## TCGA-AA-3818-01A-01R-0905-07 TCGA-AA-3818-01A-01R-0905-07 TCGA-AA-3818
## TCGA-AA-3660-01A-01R-1723-07 TCGA-AA-3660-01A-01R-1723-07 TCGA-AA-3660
## TCGA-DM-A28G-01A-11R-A16W-07 TCGA-DM-A28G-01A-11R-A16W-07 TCGA-DM-A28G
## TCGA-AA-3976-01A-01R-1022-07 TCGA-AA-3976-01A-01R-1022-07 TCGA-AA-3976
## TCGA-G4-6307-01A-11R-1723-07 TCGA-G4-6307-01A-11R-1723-07 TCGA-G4-6307
## TCGA-AA-3522-11A-01R-A32Z-07 TCGA-AA-3522-11A-01R-A32Z-07 TCGA-AA-3522
##                                        sample shortLetterCode
## TCGA-A6-5664-01A-21R-1839-07 TCGA-A6-5664-01A              TP
## TCGA-D5-6530-01A-11R-1723-07 TCGA-D5-6530-01A              TP
## TCGA-AA-3556-01A-01R-0821-07 TCGA-AA-3556-01A              TP
## TCGA-AA-3660-11A-01R-1723-07 TCGA-AA-3660-11A              NT
## TCGA-AA-3818-01A-01R-0905-07 TCGA-AA-3818-01A              TP
## TCGA-AA-3660-01A-01R-1723-07 TCGA-AA-3660-01A              TP
## TCGA-DM-A28G-01A-11R-A16W-07 TCGA-DM-A28G-01A              TP
## TCGA-AA-3976-01A-01R-1022-07 TCGA-AA-3976-01A              TP
## TCGA-G4-6307-01A-11R-1723-07 TCGA-G4-6307-01A              TP
## TCGA-AA-3522-11A-01R-A32Z-07 TCGA-AA-3522-11A              NT
##                                       definition sample_submitter_id
## TCGA-A6-5664-01A-21R-1839-07 Primary solid Tumor    TCGA-A6-5664-01A
## TCGA-D5-6530-01A-11R-1723-07 Primary solid Tumor    TCGA-D5-6530-01A
## TCGA-AA-3556-01A-01R-0821-07 Primary solid Tumor    TCGA-AA-3556-01A
## TCGA-AA-3660-11A-01R-1723-07 Solid Tissue Normal    TCGA-AA-3660-11A
## TCGA-AA-3818-01A-01R-0905-07 Primary solid Tumor    TCGA-AA-3818-01A
## TCGA-AA-3660-01A-01R-1723-07 Primary solid Tumor    TCGA-AA-3660-01A
## TCGA-DM-A28G-01A-11R-A16W-07 Primary solid Tumor    TCGA-DM-A28G-01A
## TCGA-AA-3976-01A-01R-1022-07 Primary solid Tumor    TCGA-AA-3976-01A
## TCGA-G4-6307-01A-11R-1723-07 Primary solid Tumor    TCGA-G4-6307-01A
## TCGA-AA-3522-11A-01R-A32Z-07 Solid Tissue Normal    TCGA-AA-3522-11A
##                              sample_type_id
## TCGA-A6-5664-01A-21R-1839-07             01
## TCGA-D5-6530-01A-11R-1723-07             01
## TCGA-AA-3556-01A-01R-0821-07             01
## TCGA-AA-3660-11A-01R-1723-07             11
## TCGA-AA-3818-01A-01R-0905-07             01
## TCGA-AA-3660-01A-01R-1723-07             01
## TCGA-DM-A28G-01A-11R-A16W-07             01
## TCGA-AA-3976-01A-01R-1022-07             01
## TCGA-G4-6307-01A-11R-1723-07             01
## TCGA-AA-3522-11A-01R-A32Z-07             11
##                                                         sample_id
## TCGA-A6-5664-01A-21R-1839-07 3048539a-b914-4e43-b1cc-43ea707e3b3d
## TCGA-D5-6530-01A-11R-1723-07 50560725-c72d-4bab-b602-5e50e6bececd
## TCGA-AA-3556-01A-01R-0821-07 4794413c-ed92-451c-a3ce-f411fed5ca82
## TCGA-AA-3660-11A-01R-1723-07 a0832917-75b9-45c8-9273-009c3737a43a
## TCGA-AA-3818-01A-01R-0905-07 0cf35153-2c04-4bdd-91e0-d63cb98da5bf
## TCGA-AA-3660-01A-01R-1723-07 87cf1a20-2dc5-4c06-b0c4-16103be40ef0
## TCGA-DM-A28G-01A-11R-A16W-07 f5acd8b8-32c4-4f3c-aacd-259f8e1fdfee
## TCGA-AA-3976-01A-01R-1022-07 8d529023-abca-4ddc-a265-d5bd1fd48708
## TCGA-G4-6307-01A-11R-1723-07 801b8d05-2d29-4f8c-8d8d-634b2e21b867
## TCGA-AA-3522-11A-01R-A32Z-07 218bbd07-5fa3-4946-a2c1-0ece13466441
##                                      sample_type days_to_collection
## TCGA-A6-5664-01A-21R-1839-07       Primary Tumor                 NA
## TCGA-D5-6530-01A-11R-1723-07       Primary Tumor                 NA
## TCGA-AA-3556-01A-01R-0821-07       Primary Tumor                 NA
## TCGA-AA-3660-11A-01R-1723-07 Solid Tissue Normal                 NA
## TCGA-AA-3818-01A-01R-0905-07       Primary Tumor                 NA
## TCGA-AA-3660-01A-01R-1723-07       Primary Tumor                 NA
## TCGA-DM-A28G-01A-11R-A16W-07       Primary Tumor               3419
## TCGA-AA-3976-01A-01R-1022-07       Primary Tumor                 NA
## TCGA-G4-6307-01A-11R-1723-07       Primary Tumor                 NA
## TCGA-AA-3522-11A-01R-A32Z-07 Solid Tissue Normal                 NA

dim(clin)
## [1] 698 107

colnames(clin)[10:30]
##  [1] "days_to_collection"        "state"                    
##  [3] "initial_weight"            "intermediate_dimension"   
##  [5] "pathology_report_uuid"     "submitter_id"             
##  [7] "shortest_dimension"        "oct_embedded"             
##  [9] "longest_dimension"         "is_ffpe"                  
## [11] "tissue_type"               "synchronous_malignancy"   
## [13] "ajcc_pathologic_stage"     "days_to_diagnosis"        
## [15] "treatments"                "last_known_disease_status"
## [17] "tissue_or_organ_of_origin" "days_to_last_follow_up"   
## [19] "age_at_diagnosis"          "primary_diagnosis"        
## [21] "prior_malignancy"

现在一共有698行，107列临床信息，你想要的生存时间、生存状态、样本类型、分期等信息都在里面，都不需要自己手动划分，想要什么直接取子集就好了。

比如大家最喜欢的生存信息：

clin_subset <- clin[,c("days_to_last_follow_up","vital_status")]

head(clin_subset)
##                              days_to_last_follow_up vital_status
## TCGA-A6-5664-01A-21R-1839-07                    672        Alive
## TCGA-D5-6530-01A-11R-1723-07                    621        Alive
## TCGA-AA-3556-01A-01R-0821-07                    700        Alive
## TCGA-AA-3660-11A-01R-1723-07                   2375        Alive
## TCGA-AA-3818-01A-01R-0905-07                     NA         Dead
## TCGA-AA-3660-01A-01R-1723-07                   2375        Alive

合并miRNA

也是一样的操作。

rm(list = ls())

load(file = "./TCGA-mirna/TCGA-COAD_miRNA.Rdata")
coad <- data

load(file = "./TCGA-mirna/TCGA-READ_miRNA.Rdata")
read <- data

可以看到两个表达矩阵的第一列（miRNA的名字），完全一样：

identical(coad$miRNA_ID,read$miRNA_ID)
## [1] TRUE

所以我们直接合并即可：

# 第一列都是
colrectal_mi <- cbind(coad,read[,-1])

colrectal_mi[1:5,1:4]
##       miRNA_ID read_count_TCGA-A6-5664-01A-21H-1838-13
## 1 hsa-let-7a-1                                    6959
## 2 hsa-let-7a-2                                    6941
## 3 hsa-let-7a-3                                    7120
## 4   hsa-let-7b                                   31616
## 5   hsa-let-7c                                    4211
##   reads_per_million_miRNA_mapped_TCGA-A6-5664-01A-21H-1838-13
## 1                                                    8143.201
## 2                                                    8122.137
## 3                                                    8331.598
## 4                                                   36996.038
## 5                                                    4927.578
##   cross-mapped_TCGA-A6-5664-01A-21H-1838-13
## 1                                         N
## 2                                         N
## 3                                         N
## 4                                         N
## 5                                         N

但是miRNA的表达矩阵现在还有点问题，它包含3种信息：count/rpm/cross-mapped，而我们只需要count，所以还是要处理一下。

dim(colrectal_mi)
## [1] 1881 1891

# 只要count
colrec_mi <- colrectal_mi[,c(1,seq(2,1891,by=3))]
dim(colrec_mi)
## [1] 1881  631

# 改下列名
colnames(colrec_mi)[-1] <- substr(colnames(colrec_mi)[-1],12,39)

colrec_mi[1:5,1:5]
##       miRNA_ID TCGA-A6-5664-01A-21H-1838-13 TCGA-A6-2683-01A-01T-0822-13
## 1 hsa-let-7a-1                         6959                        50288
## 2 hsa-let-7a-2                         6941                        50537
## 3 hsa-let-7a-3                         7120                        51098
## 4   hsa-let-7b                        31616                       143822
## 5   hsa-let-7c                         4211                         3943
##   TCGA-D5-6530-01A-11H-1722-13 TCGA-DM-A28G-01A-11H-A16S-13
## 1                        35778                        11788
## 2                        35334                        11588
## 3                        35980                        11885
## 4                        68674                        12086
## 5                          605                         1171

简单！

合并CNV

rm(list = ls())
load("G:/tcga/TCGA-CNV/TCGA-COAD_CNV.Rdata")
coad <- data

load("G:/tcga/TCGA-CNV/TCGA-READ_CNV.Rdata")
read <- data

colrec_cnv <- rbind(coad,read)

head(colrec_cnv)
##                            GDC_Aliquot Chromosome    Start       End Num_Probes
## 1 741d4882-3a2c-4862-8402-636e6aebfdc6          1  3301765 247650984     129758
## 2 741d4882-3a2c-4862-8402-636e6aebfdc6          2   480597 241537572     132218
## 3 741d4882-3a2c-4862-8402-636e6aebfdc6          3  2170634  25586863      14093
## 4 741d4882-3a2c-4862-8402-636e6aebfdc6          3 25587626  25587698          3
## 5 741d4882-3a2c-4862-8402-636e6aebfdc6          3 25588064 197812401      93106
## 6 741d4882-3a2c-4862-8402-636e6aebfdc6          4  1059384 124538250      69561
##   Segment_Mean                       Sample
## 1      -0.0019 TCGA-AA-3556-10A-01D-0819-01
## 2      -0.0007 TCGA-AA-3556-10A-01D-0819-01
## 3      -0.0009 TCGA-AA-3556-10A-01D-0819-01
## 4      -1.9166 TCGA-AA-3556-10A-01D-0819-01
## 5       0.0023 TCGA-AA-3556-10A-01D-0819-01
## 6       0.0025 TCGA-AA-3556-10A-01D-0819-01

这个文件稍加整理就可以拿去给gistic用了。

合并SNP

rm(list = ls())

load("G:/tcga/TCGA-SNP/TCGA-READ_SNP.Rdata")
read <- data

load("G:/tcga/TCGA-SNP/TCGA-COAD_SNP.Rdata")
coad <- data

colrec_snp <- rbind(coad,read)

这样以后再分析就可以用合并后的数据了！

医学和生信笔记
关注
  • 1
    点赞
  • 踩
  • 13
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
tcga压缩包提取合并_TCGA数据库下载后文件合并与转换
weixin_39639049的博客
12-24 2459
1、从TCGA上下载癌症相关数据到rawdata，下载一般用TCGA_gdc-client。以原始的Seq-count为例。gdc-client download -m gdc_manifest_20200923_032916.txt -d path/to/gz_file2、加入cart之后下载manifest.json文件。(PS：这个文件真的无比讨厌，处理起来很费经)3、将数据解压缩之后生成看...
tcga压缩包提取合并_TCGA转录本数据合并
weixin_39958025的博客
01-14 1304
#!/usr/bin/perl -wuse strict;use warnings;use Data::Dumper;use File::Basename;use JSON;my $usage=<Usage:perl dz_merge.pl /PATH/TO/meta.json /path/to/cartfile /path/to/filenameUSAGEif(@ARGV==0){die ...
肿瘤数据库除了TCGA，还有TCIA--转载
weixin_30410119的博客
01-03 1351
TCIA就是基于TCGA数据开发的，不同的是TCIA只提供了20个癌种的免疫数据分析。 看网站首页的介绍就知道，这个数据库主要是根据TCGA的二代测序数据开发出来的。这里的20个癌种，点击每个柱子进去就可以分析对应的癌种，侧边的栏目则提供一些个性化选择。 01 Patients list模块 TCIA分别对每个病人进行分析，数据也提供下载，我们可以看到提供了ID、疾病、性别和年龄...
TCGA 数据下载 —— TCGAbiolinks 简单使用
最新发布
dxs18459111694的博客
05-27 1813
前言数据查询harmonized 数据库1. 甲基化数据：复发肿瘤样本2. 查询甲基化和表达数据3. 查询原始数据获取 manifest 文件获取 ATAC-seq 数据数据下载与处理查询和下载数据GDCprepare下载 CNV 数据下载转录组数据下载 DNA 甲基化数据下载蛋白质组数据下载临床数据下载 SNV 数据下载单细胞数据是一个利用GDC API接口来查询、下载和分析TCGA数据库的数据的R包数据查询和下载数据的常规分析可视化该包可以从上安装稳定版本if (!或者从GitHub。
TCGA下载RNA-seq数据、合并成表达矩阵
weixin_45223092的博客
05-18 2604
记录一下步骤～ 1、先进入GDC官网 GDChttps://portal.gdc.cancer.gov/2、进入官网后是这样的：点击Repository 3、点进去之后是下面的第一张图片这样的。（但得先确定自己的Cart里面是空的，这里我之前添加了542个文件，所以cart那里有个542，所以我需要进行清除） 清除Cart里的文件：点击cart，点进去之后是下面这样的： 然后点击红色的Remove From Cart，点击ALL Files。 清除完之后返回到Repositor.
英文数字语音识别
weixin_44345862的博客
02-10 6621
例子代码链接：https://github.com/pannous/tensorflow-speech-recognition 里面不但有程序代码还有数据集为：spoken_numbers_pcm.tar和spoken_numbers_spectros_64x64.tar，位于主文件夹，如下图： 这个数据集包含许多人阅读的0–9的英文的音频。分为男生和女声，一段音频中只有一个数字对应的英文的声音...
最新TCGA数据下载与整理
qq_37327056的博客
05-02 1万+
以TCGA-BRCA下载为例最先关联一下这哥们的总结，感觉挺到位。http://www.bioinfo-scrounger.com/archives/317本人尝试了用最原始的方法下载，速度稳定，下载也快，但需要整理的地方很多，首先是文件与样本id的匹配，再一个就是数据提取与标准化。最终整合到一个文件中。如果用  简易TCGA下载工具V2  下载，会出现下载过程卡顿现象，但可以续点下载。两种方法下...
新版TCGA数据整理，通过R语言实现TCGA数据整理
04-05
新版TCGA数据的整理，将TCGA单个转录组数据整理成列为患者，行为基因的矩阵。可以通过修改参数整理Count、FPKM、TPM数据，根据自己的需要进行选择。
TCGA-KICH 癌症CT影像数据集数据集
07-03
TCGA-KICH癌症CT影像数据集是一个重要的医学研究资源，主要涵盖了肾细胞癌（Kidney Chromophobe Carcinoma）的临床与影像学信息。这个数据集是The Cancer Genome Atlas (TCGA)项目的一部分，该项目是由美国国家癌症...
TCGA-BLCA-mRNA表达数据（TPM）-膀胱癌表达及临床数据集整理
01-18
标题中的“TCGA-BLCA-mRNA表达数据（TPM）-膀胱癌表达及临床数据集整理”指的是The Cancer Genome Atlas (TCGA)项目中关于膀胱癌（BLCA）的数据，具体聚焦于mRNA转录水平的表达数据，以Transcripts Per Million (TPM...
TCGA-PAAD-mRNA表达数据——胰腺癌表达及临床数据集整理
03-31
TCGA-PAAD数据集已经整理成LCPM格式，临床数据已经汇总整理。 LCPM格式即log2(CPM+1)格式，现在认为log2(TPM+1)和log2(FPKM+1)格式比较过时了。部分生信文章审稿人推荐使用此格式分析数据
TCGA临床数据提取
04-12
自己编写程序，对TCGA的临床信息进行整理和提取，便于做生存分析
TCGA数据下载及全流程分析（更新中）
01-20
一、GDCRNATools包下载 首先下载R包 if (!requireNamespace(BiocManager, quietly = TRUE)) install.packages(BiocManager) BiocManager::install(GDCRNATools) 下载好之后运行，以COAD数据为例，下载： library(GDCRNATools) gdcRNADownload(project.id = TCGA-COADREAD, data.type = RNAseq, write.ma
TCGA-COAD-mRNA表达数据——结肠癌表达及临床数据集整理
04-05
TCGA-COAD数据集已经整理成LCPM格式，临床数据已经汇总整理。 LCPM格式即log2(CPM+1)格式，现在认为log2(TPM+1)和log2(FPKM+1)格式比较过时了。部分生信文章审稿人推荐使用此格式分析数据
新版TCGA的突变SNP数据添加临床信息
医学和生信笔记的博客
11-12 2478
拷贝数变异肯定也是没有问题的，也是用的之前合并后的数据，然后经过gistic处理，就得到了我们需要的文件，关于gistic这个软件的使用，大家百度即可~因为现在的TCGA数据库不能直接下载4种制作好的maf文件了，需要自己整理，如果你还不知道怎么整理，请看这篇内容（去翻推文）画图也是没有问题的，关于这个包的使用网络上教程非常多，也很全面，大家直接百度即可，这里就简单演示下。画出来简单，但是解释过程挺复杂的，涉及到下游氨基酸的变化，需要了解。，其实很简单，但是网络上的教程都说的不清楚。
TCGA癌症中英文及缩写名称对应表
热门推荐
永远想不起来更新的博客
04-26 2万+
最近一直在做生物信息有关的数据库，需要到TCGA上下载数据，就把TCGA和SangerBox上可以看到的癌症型的中英文以及缩写全部查找翻译对应列了出来，可能不太口语化或者专业，就简单理解吧。如下： 缩写 英文名称 中文名称 ACC Adrenocortical carcinoma 肾上腺皮质癌 BLCA Bladder Urotheli...
TCGA中的癌症名称、简写和中文名称
qq_36717487的博客
05-29 6318
| Cohort | 英文名称 | 中文名称 | | ACC | Adrenocortical carcinoma | 肾上腺皮质癌 | | BLCA | Bladder Urothelial Carcinoma | 膀胱尿路上皮癌 | | BRCA | Breast invasive carcinoma | 乳腺浸润癌 | | CESC | Cervical squamous cell carcinoma and endocervical adenocarcinoma | 宫颈鳞癌和腺癌 | | CHOL
新版TCGA数据库学习：批量下载新版TCGA数据
医学和生信笔记的博客
08-21 6041
众所周知，TCGA数据库改版了！！改的比之前更好用了！ 对于常规转录组数据，主要是以下几点改变： 下载一次即可获得counts、TPM、FPKM三种类型的表达矩阵，再也不用单独下载了自带gene symbol，不用自己找各种方法转换了自带基因类型，可以直接区分mRNA和lncRNA了 TCGAbiolinks不仅是数据下载，它能访问、下载全部的TCGA数据（除了受限制的），用它下载的数据是最新最全的！这和直接去GDC官网，使用网页下载的方式是一样的。 除了常规的转录组数据，还包括甲基化数据、SNP数据、突
TCGA的癌症名称，简写和中文名称
weixin_46321235的博客
12-09 2767
lower grade glioma and glioblastoma GBMLGG 胶质细胞瘤。Kidney Papillary Cell Carcinoma KIRP 肾乳头状细胞癌。Lung Squamous Cell Carcinoma LUSC 肺鳞状细胞癌。Kidney Clear Cell Carcinoma KIRC 肾透明细胞癌。Kidney Chromophobe KICH 肾嫌色细胞癌。Head and Neck Cancer HNSC 头颈癌。
tcga数据与gtex数据合并并去除批次效应代码
05-27
将TCGA和GTEx数据合并并去除批次效应的代码步骤如下： 1. 将TCGA和GTEx的原始表达矩阵文件读入，并分别进行初步的数据清洗和归一化，确保数据质量和一致性。 2. 对TCGA和GTEx的表达矩阵文件进行合并，得到一个包含所有样本的大型表达矩阵。 3. 对合并后的表达矩阵进行批次效应校正，可以使用一些批次效应校正算法，比如ComBat、SVA等。 4. 校正后的表达矩阵文件可以用于差异分析和生物学功能解析等进一步分析。 下面是一个Python实现的示例代码： ```python import pandas as pd from scipy import stats from sklearn import preprocessing from sklearn.decomposition import PCA import numpy as np import warnings warnings.filterwarnings('ignore') # 读入TCGA和GTEx的原始表达矩阵文件 tcga_file = 'tcga_expression.csv' gtex_file = 'gtex_expression.csv' tcga_df = pd.read_csv(tcga_file, index_col=0) gtex_df = pd.read_csv(gtex_file, index_col=0) # 进行数据清洗和归一化 tcga_df = tcga_df.dropna(axis=1, how='any') gtex_df = gtex_df.dropna(axis=1, how='any') tcga_df = tcga_df.apply(lambda x: stats.zscore(x), axis=1) gtex_df = gtex_df.apply(lambda x: stats.zscore(x), axis=1) # 合并TCGA和GTEx的表达矩阵文件 df = pd.concat([tcga_df, gtex_df], axis=1) # 进行批次效应校正 batch_var = df.columns.str.extract(r'(\d{2})\.\d{2}')[0] batch_var = pd.factorize(batch_var)[0] batch_var = preprocessing.scale(batch_var) pca = PCA(n_components=1) batch_var = pca.fit_transform(batch_var.reshape(-1, 1)) batch_var = pd.DataFrame(batch_var, index=df.columns, columns=['batch']) df = df.transpose() df = df.subtract(df.mean(axis=0), axis=1) df = df.subtract(batch_var['batch'], axis=0) df = df.transpose() # 输出校正后的表达矩阵文件 output_file = 'merged_expression_corrected.csv' df.to_csv(output_file) ``` 这个示例代码中使用了PCA算法对批次效应进行了校正，如果需要使用其他校正算法，可以进行相应的修改。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值