TCGA 数据库基因表达数据的下载：最大的公开肿瘤数据库，可用于各种深度学习项目

TCGA癌种项目：

项目名称	癌种	样本数量
TCGA-BRCA	乳腺癌（Breast Invasive Carcinoma）	1079
TCGA-OV	卵巢浆液性囊腺癌（Ovarian Serous Cystadenocarcinoma）	571
TCGA-LUAD	肺腺癌（Lung Adenocarcinoma）	563
TCGA-UCEC	子宫内膜癌（Uterine Corpus Endometrial Carcinoma）	542
TCGA-HNSC	头颈部鳞状细胞癌（Head and Neck Squamous Cell Carcinoma）	523
TCGA-KIRC	肾细胞癌（Kidney Renal Clear Cell Carcinoma）	523
TCGA-GBM	胶质母细胞瘤（Glioblastoma Multiforme）	522
TCGA-LGG	低级别胶质瘤（Brain Lower Grade Glioma）	509
TCGA-LUSC	肺鳞状细胞癌（Lung Squamous Cell Carcinoma）	501
TCGA-THCA	甲状腺癌（Thyroid Carcinoma）	473
TCGA-PRAD	前列腺癌（Prostate Adenocarcinoma）	469
TCGA-SKCM	黑色素瘤（Skin Cutaneous Melanoma）	469
TCGA-COAD	结肠癌（Colon Adenocarcinoma）	458
TCGA-STAD	胃癌（Stomach Adenocarcinoma）	437
TCGA-BLCA	膀胱癌（Bladder Urothelial Carcinoma）	408
TCGA-LIHC	肝细胞癌（Liver Hepatocellular Carcinoma）	375
TCGA-CESC	宫颈癌（Cervical Squamous Cell Carcinoma and Endocervical Adenocarcinoma）	305
TCGA-KIRP	肾乳头状细胞癌（Kidney Renal Papillary Cell Carcinoma）	289
TCGA-TGCT	睾丸生殖细胞肿瘤（Testicular Germ Cell Tumors）	261
TCGA-SARC	软组织肉瘤（Sarcoma）	255
TCGA-ESCA	食管癌（Esophageal Carcinoma）	183
TCGA-PAAD	胰腺癌（Pancreatic Adenocarcinoma）	173
TCGA-READ	直肠癌（Rectum Adenocarcinoma）	170
TCGA-PCPG	嗜铬细胞瘤/副神经节瘤（Pheochromocytoma and Paraganglioma）	169
TCGA-LAML	急性髓细胞性白血病（Acute Myeloid Leukemia）	135
TCGA-THYM	胸腺瘤（Thymoma）	97
TCGA-ACC	肾上腺皮质癌（Adrenocortical Carcinoma）	92
TCGA-MESO	恶性间皮瘤（Mesothelioma）	85
TCGA-UVM	葡萄膜黑色素瘤（Uveal Melanoma）	80
TCGA-KICH	肾嫌色细胞癌（Kidney Chromophobe）	66
TCGA-UCS	子宫梗死性肉瘤（Uterine Carcinosarcoma）	57
TCGA-CHOL	胆管癌（Cholangiocarcinoma）	50
TCGA-DLBC	弥漫性大B细胞淋巴瘤（Lymphoid Neoplasm Diffuse Large B-cell Lymphoma）	47

指定好项目名称下载即可（STAR-count转录组定量结果，其它数据类型需要自己指定）：

library(TCGAbiolinks)
library(dplyr)
library(SummarizedExperiment)
library(msigdbr)

# 选择项目
class <- "TCGA-READ"

# 数据下载
query <- GDCquery(
  project = class,
  data.category = "Transcriptome Profiling",
  data.type = "Gene Expression Quantification", 
  workflow.type = "STAR - Counts"
)
GDCdownload(query = query)
data <- GDCprepare(query = query)
if (!dir.exists(paste0("./", class))) {
  dir.create(paste0("./", class))
}
Exp <- assay(data) %>% as.data.frame() # 提取数据表达
ann <- rowRanges(data) # 提取基因注释
ann <- as.data.frame(ann)
rownames(ann) <- ann$gene_id
ann <- ann[rownames(Exp),]
write.csv(ann, paste0("./", class,"/ann.csv"), row.names = F) # 基因注释信息
Exp <- cbind(data.frame(Gene = ann$gene_name), Exp)
write.csv(Exp, paste0("./", class,"/exp.csv"), row.names = F) # 表达矩阵
clinical <- GDCquery_clinic(project= class, type = "clinical") # 提取临床信息
write.csv(clinical, paste0("./", class,"/clinical.csv"), row.names = F) # 临床注释信息

结果如下：

▲ count 表达矩阵

▲ 样本临床、生存信息

▲ 基因注释