The cancer genome atlas(TCGA)

The cancer genome atlas(TCGA)数据库储存20多种癌症的基因组数据，作为生信喵少不了要下载上面的数据来分析。写篇文章介绍一下，也加深自己的印象。

TCGA收录的了很全面的癌症基因组数据，包括突变，拷贝数变异，mRNA表达，miRNA表达，甲基化数据等

这些数据可分为三个级别：

level-1: 原始的测序数据（fasta,fastq等）
level-2:比对好的bam文件
level-3:为经过处理及标准化的数据

（其中level1/2为controlled-access，level-3有部分是controlled-access，这一类型的需要向TCGA申请使用权限）
level-1/2 比较糙，文件较大，若要下载需要使用官方提供的小工具：GDC Data Transfer Tool, 需要自己重新比对来call mutation, 或者提取count data做差异表达分析（懒人表示不怎么用）

---

最常用的为level3数据，文件较小，直接在网页上下载就可以。
目前主要有两个网站可以下载TCGA level-3的数据:

• TCGA官网的data-portal: portal.gdc.cancer.gov
  优点：数据最全，更新最快
  缺点：每个样本的数据都单独储存在一个文件中，如果要下载RNA表达量数据的话，可能同一种癌症需要下载好几百个文件，并且需要排队下载，有时候很慢很慢很慢

• Firehose服务器：gdac.broadinstitute.org
  优点：这里的数据也来源于 portal.gdc.cancer.gov，经过了简单的合并，将每种癌症相同类型的数据合并到了一个文件中（例如443个胃癌样本的RNA表达量数据都合并到了一个文件中，非常适合用R进行后续的分析）

---

level-3的数据是仍需要一定的分析能力来提取感兴趣的信息，

如果你仅仅需要看感兴趣的基因在某种癌症中的突变谱，表达量，或者甲基化情况，那么以下三个在线可视化网站可以说是非常亲民了：

• c-Bioportal: www.cbioportal.org
  整合和简化了包括TCGA，ICGC以及GEO等多个癌症基因组数据库的内容，提供友好可视化的界面，可供下载。
  主要展示基因的somatic 突变谱，拷贝数变化，mRNA&miRNA表达量变化，DNA甲基化以及蛋白质表达的情况，并结合患者的临床资料，展示了KM生存曲线。

• OncoLnc: www.oncolnc.org
  这是一个整合了TCGA的各种RNA数据和患者临床数据，提供生存分析的网站，灰常简单好用。

• MEXPRESS:mexpress.be/about
  整合了TCGA中的DNA甲基化，表达量及临床数据，主要用来探索甲基化，基因表达和临床表型之间的关联，界面也很友好。