TCGA数据处理_来自南四环

 首先在TCGA中下载三个文件，

#《开讲啦 冠璋》网课分享代码，使用方法请关注B站 “南四环西路”，谢谢。
#TCGA官网https://portal.gdc.cancer.gov/下载数据，文件夹里准备解压后的Counts文件夹和metadata.json
setwd("C:\\Users\\Administrator\\Desktop\\TCGA_GBM")  #数据路径


library("jsonlite")#加载此包，用于读取json文件
json <- jsonlite::fromJSON("metadata.cart.2023-06-08.json")   #metadata文件名其中记载着sample_id
#jsonlite::fromJSON  参数需要提供json文件名
View(json)


sample_id <- sapply(json$associated_entities,function(x){x[1,1]})  
#sapply函数指对于每一个元素都使用相同的函数，function(x){x[1,1]},就是这样的一个函数，
#其中function(x),x,指此元素，，{x[1,1]},取出此元素的第一行第一列的值，并返回，，之后组成向量，负值给sample_id
file_sample <- data.frame(sample_id,file_name=json$file_name)  
#创建一个名为file_sample的数据框，采用data.frame函数，分为两列，列名为sample_id,和file_name


count_file <- list.files('gdc_download_20230608_115344.975784',pattern = '*.tsv',recursive = TRUE)  #Counts文件夹名
#采用list.files函数，列出文件夹名下，目录或者子目录下的，后缀名为tsv的所有文件的路径名+文件名，并且赋值给count_file,
#其中的recursive参数用于确定是否也在子文件下寻找
count_file_name <- strsplit(count_file,split='/')
#采用strsplit函数将count_file的名字分开，分割符采用/    并且返回的是一个list文件
count_file_name <- sapply(count_file_name,function(x){x[2]})
#sapply函数，对count_file_name操作，选择[2]   返回一个字符串
#下面的修改基因数
matrix = data.frame(matrix(nrow=60660,ncol=))

#下面的修改样本例数
for (i in 1:175){
  path = paste0('gdc_download_20230608_115344.975784//',count_file[i])   #Counts文件夹名
  #用paste0函数确定路径，首先是标的文件夹，之后count_file[i]可以得到每一个子文件夹的名称，将两者链接在一起
  data<- read.delim(path,fill = TRUE,header = FALSE,row.names = 1)
  #read.delim用去在路径下读取文件，一般读取以 tab 分隔、逗号分隔等方式分隔的文本数据并将其转换为数据框格式
  colnames(data)<-data[2,]
  #第二行的字符，转换成行名
  data <-data[-c(1:6),]
  #删除前六行无用信息
  data <- data[3]   #数据类型，选择其中之一 3：unstranded；4：stranded_first；5：stranded_second；6：tpm_unstranded；7：fpkm_unstranded；8：fpkm_uq_unstranded
  colnames(data) <- file_sample$sample_id[which(file_sample$file_name==count_file_name[i])]#使用一个选择的意思，在列一个数据框中找到对应的名称
  matrix <- cbind(matrix,data)
}

write.csv(matrix,'GBM Counts_matrix.csv',row.names = TRUE)

#《开讲啦 冠璋》网课分享代码，使用方法请关注B站 “南四环西路”，谢谢。
#TCGA官网https://portal.gdc.cancer.gov/下载数据，文件夹里准备解压后的Counts文件夹和metadata.json
setwd("C:/Users/IORI/Desktop/GBM")  #数据路径

library("rjson")
json <- jsonlite::fromJSON("metadata.cart.2022-07-05.json")   #metadata文件名
View(json)

sample_id <- sapply(json$associated_entities,function(x){x[,1]})
file_sample <- data.frame(sample_id,file_name=json$file_name)  

count_file <- list.files('TCGA-GBM gdc_download_20220705_030758.799531',pattern = '*.tsv',recursive = TRUE)  #Counts文件夹名
count_file_name <- strsplit(count_file,split='/')
count_file_name <- sapply(count_file_name,function(x){x[2]})

#下面的修改基因数
matrix = data.frame(matrix(nrow=60660,ncol=0))
                    
#下面的修改样本例数
for (i in 1:174){
  path = paste0('TCGA-GBM gdc_download_20220705_030758.799531//',count_file[i])   #Counts文件夹名
  data<- read.delim(path,fill = TRUE,header = FALSE,row.names = 1)
  colnames(data)<-data[2,]
  data <-data[-c(1:6),]
  data <- data[3]   #数据类型，选择其中之一 3：unstranded；4：stranded_first；5：stranded_second；6：tpm_unstranded；7：fpkm_unstranded；8：fpkm_uq_unstranded
  colnames(data) <- file_sample$sample_id[which(file_sample$file_name==count_file_name[i])]
  matrix <- cbind(matrix,data)
}

write.csv(matrix,'GBM Counts_matrix.csv',row.names = TRUE)