本文介绍了如何通过GDC Legacy Archive下载TCGA项目基于hg19的原始和处理过的数据，包括level1（原始数据）、level2（处理中间结果）和level3（最终处理结果）。GDC在2016年后将数据迁移至hg38版本，但用户仍可找到hg19版本的数据。文章提供了筛选和下载数据的方法，并提醒谨慎使用因网站关闭导致信息不全的hg19数据。
欢迎关注”生信修炼手册”!
在2016年之前，TCGA项目的相关结果文件存放在CGhub和TCGA Data Coordinating Center简称DCC提供的TCGA Data Portal中，当时的结果是以hg19或者hg18为参考得到的。
在DCC中，将数据划分为了3个等级。level 1代笔原始的，未经处理的数据的，比如芯片下机数据；level2 代表处理的中间结果，比如测序深度对应的wig文件；level 3 代表处理完成后的最终结果，比如基因的定量结果。
2016年之后，CGhub和DCC相继关闭，所有的数据统一迁移到现在用的GDC数据库，而且通过GDC的pipeline将原有的结果转换为hg38参考基因组版本。目前在GDC中检索到的结果都是经过了GDC pipeline处理过后的，从这里也可以看出，迁移到hg38是一个大的趋势。
当然目前使用hg19的还是挺多的，如果你需要基于hg19版本的TCGA数据，在GDC中也可以找到。其实GDC中的数据可以分为以下两个部分
GDC harmonized data
GDC legacy archive
在R包TCGAbiolinks中，介绍了二者的区别，如下图所示
第一部分就是默认使用的基于hg38版本的数据，第二部分则是对原始的TCGA结果的一个存储，通过GDC首页的GDC APPs, 可以找到CDC
最低0.47元/天 解锁文章
扫一扫
715
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
