TCGA样本命名详解

在TCGA中,一个患者可能会对应多个样本,如TCGA-A6-6650可以得到3个样本数据:

  • TCGA-A6-6650-01A-11R-1774-07
  • TCGA-A6-6650-01A-11R-A278-07
  • TCGA-A6-6650-01B-02R-A277-07

大家知道一般在做TCGA数据分析的时候样本名实际上只保留到前四个元素(以”-“分割),例如TCGA-A6-6650-01。所以实际上上示3个样本一般只保留一个,那该怎么取舍呢?

在取舍之前,当然要先搞清楚样本命名方式:

我们将此示图以”-“分割,具体拆开解读一下:

  • TCGA:Project, 所有TCGA样本名均以这个开头,标志
  • A6:Tissue source site,组织来源编码,如A6就表示来源于Christiana Healthcare中心的结肠癌组织。更多编码所代表的意义详见:
    https://gdc.cancer.gov/resources-tcga-users/tcga-code-tables/tissue-source-site-codes
  • 6650:Participant, 参与者编号
  • 01:Sample, 这两个数字可以说是最关键、最被大家注意的,其中编号01~09表示肿瘤,10~19表示正常对照,如下:
    https://gdc.cancer.gov/resources-tcga-users/tcga-code-tables/sample-type-codes
    所以在TCGA样本名中,这个位置最常见的就是01和11,当然偶尔也会有其他的数字
  • A:Vial, 在一系列患者组织中的顺序,绝大多数样本该位置编码都是A; 很少数的是B,表示福尔马林固定石蜡包埋组织,已被证明用于测序分析的效果不佳,所以不建议使用-01B的样本数据:

所以命名至此,已经可以开始用于区别不同的样本了,以下将是更细节的描述:

一个借鉴的图片:
这里写图片描述
更多内容详见:
https://wiki.nci.nih.gov/display/TCGA/TCGA+barcode
http://docs.cavatica.org/docs/tcga-grch38-metadata

所以现在看这三个样本:

  • TCGA-A6-6650-01A-11R-1774-07
  • TCGA-A6-6650-01A-11R-A278-07
  • TCGA-A6-6650-01B-02R-A277-07

其区别就在于,前两个使用的是患者的冰冻组织做的测序,而第三个用的是福尔马林固定石蜡包埋组织;而前两个样本的区别在于同一组织后续使用了不同的96孔板。

理解了命名规则及三者命名上的主要区别后,现在可以重点解决如何从一个患者的多个样本中挑选样本的问题了,首先排除TCGA-A6-6650-01B-02R-A277-07,因为是-01B,福尔马林固定石蜡包埋组织!剩下的两个:

  • TCGA-A6-6650-01A-11R-1774-07
  • TCGA-A6-6650-01A-11R-A278-07

先看看GDAC firehose遇到这种情况怎么解决,总结起来就是:

1、对RNA数据来说,Analyte为R的优先级最该,其次是R和T,而对于DNA层面的分析来说,D的优先级最高。
2、如果Analyte相同,那就选择Portion和/或Plate值更大的。
所以按照GDAC firehose的方法,最终保留TCGA-A6-6650-01A-11R-A278-07,因为其相对于TCGA-A6-6650-01A-11R-1774-07的板号(Plate)更晚:
https://github.com/BioinformaticsFMRP/TCGAbiolinks/issues/163
虽然看起来可能这么选比较准确,但是稍微有些麻烦~

然后是cBioPortal中的处理方式:

随机选择了一个,理由很简单啊,来源于同一个患者的癌组织样本差别不大,小编随机测试了两个样本,表达相关性值是大于0.8的。

所以如果遇到需要选择的时候,就仁者见仁了,建议天秤座的小伙伴们也不要太纠结到底哪个最好,当然如果你有不同的意见和看法,欢迎交流讨论!

©️2020 CSDN 皮肤主题: 精致技术 设计师:CSDN官方博客 返回首页