文章发布于简书博客:柳叶刀与小鼠标(单基因生信分析流程(1)一文解决TCGA数据下载整理问题)
原因
在平常科研工作中,经常有师兄师姐师弟师妹问我:我现在有一个单基因,我该怎么开展生信研究?出现这个问题的原因是:(1)目前生信研究火热也逐渐受到认可(2)许多医学生在开展实验研究的同时,如果结合生信,则自己的结论和工作量更加吸引到编辑和手审稿人(3)现有的geo、TCGA或者其他免费公开数据库确实是很多研究者的第一选择。
思路
(1)下载整理临床数据、TCGA表达量
(2)单基因的差异分析或者相关分析
(3)单基因的生存分析与临床参数相关分析
(4)单基因的下游通路分析包括GO、KEGG或者通过GSEA
第一节(TCGA生存数据下载)
本节主要下载透明细胞癌KIRC的生存数据
- 加载R包
library(TCGAbiolinks)
library(SummarizedExperiment)
library(dplyr)
library(DT)
rm(list=ls())
setwd('D:trainsingle_gene')
- 下载生存数据
## ----results='hide', echo=TRUE, message=FALSE, warning=FALSE-------------
clinical <- GDCquery_clinic(project = "TCGA-KIRC", type = "clinical")
## ----echo=TRUE, message=FALSE, warning=FALSE-----------------------------
datatable(clinical, filter = 'top',
options = list(scrollX = TRUE, keys = TRUE, pageLength = 5),
rownames = FALSE)
![ba00de465329777d38302e7f585fd8e4.png](https://i-blog.csdnimg.cn/blog_migrate/239f3af9e1a9c94f9d24f67c94a84c08.jpeg)
我们可以看到从上到下共计有537个样本,而且该临床数据有37列。当然我们这里主要关注生存相关的信息比如生存时间和生存状态。
- 整理TCGA肾透明细胞癌的生存时间和生存状态
rm(list=ls())
query <- GDCquery(project = "TCGA-KIRC",
da