tcga压缩包提取合并_单基因生信分析流程（1）一文解决TCGA数据下载整理问题

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)

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