TCGA_测序数据下载

TCGA数据已经改版，workflow.type只有STAR-counts数据，改版后数据下载与预处理方法见：

TCGA测序数据改版后的应对_老实人谢耳朵的博客-CSDN博客

以下为改版前的方法：

library("TCGAbiolinks")
library("SummarizedExperiment")

一、数据下载

1 GDCquery筛选-下载数据数据

query <- GDCquery(project = "TCGA-PRAD", #项目名
                  data.category = "Transcriptome Profiling",
                  data.type = "Gene Expression Quantification", 
                  workflow.type = "HTSeq - Counts")
samplesDown <- getResults(query,cols=c("cases"))  

#从sampleDown检索出TP
dataSmTP <- TCGAquery_SampleTypes(barcode = samplesDown,
                                  typesample = "TP") #组织类型

#筛选完成的query
queryDown <- GDCquery(project = "TCGA-PRAD",
                      data.category = "Transcriptome Profiling",
                      data.type = "Gene Expression Quantification", 
                      workflow.type = "HTSeq - Counts", 
                      barcode = dataSmTP)

#下载GDCquery的结果
GDCdownload(queryDown,
            method = "api",
            directory = "GDCdata",
            files.per.chunk = 6) #网速慢可以设小一点

二、数据预处理

1 读入数据、预处理

dataPrep1 <- GDCprepare(query = queryDown, 
                        save = TRUE, 
                        directory = 'GDCdata', #默认
                        save.filename ="PRAD_case.rda")

dataPrep2 <- TCGAanalyze_Preprocessing(object = dataPrep1,
                                      cor.cut = 0.6,
                                      datatype = "HTSeq - Counts")

purityDATA <- TCGAtumor_purity(colnames(dataPrep1), 0, 0, 0, 0, 0.6)
Purity.barcodes<-purityDATA$pure_barcodes #肿瘤样本barcodes，为“character”
normal.barcodes<-purityDATA$filtered #正常组织的数据barcodes，为“character”

puried_data <-dataPrep2[,Purity.barcodes] #筛选后数据

 TCGAtumor_purity()：筛选得到一个list[2]。

其中 pure_barcodes 为肿瘤样本，filtered 为正常组织样本（如果GDCquery时下载了Norm数据）

2 基因注释、预处理

需要注意DESeq2包要求数据是未经过标准化的

rownames(puried_data)<-rowData(dataPrep1)$external_gene_name 

#dataNorm <- TCGAanalyze_Normalization(tabDF = puried_data,
                                      geneInfo = geneInfo,
                                      method = "gcContent") 

dataFilt <- TCGAanalyze_Filtering(tabDF = dataNorm,
                                  method = "quantile", 
                                  qnt.cut =  0.25) #过滤阈值

write.csv(dataFilt,file = "dataFilt.csv",quote = FALSE)  

TCGAbiolinks包下载

该包可以从 Bioconductor 上安装稳定版本

if (!requireNamespace("BiocManager", quietly=TRUE))
    install.packages("BiocManager")
BiocManager::install("TCGAbiolinks")

或者从 GitHub 上安装开发版本

if (!requireNamespace("BiocManager", quietly = TRUE))
    install.packages("BiocManager")
BiocManager::install("BioinformaticsFMRP/TCGAbiolinksGUI.data")
BiocManager::install("BioinformaticsFMRP/TCGAbiolinks")

GDCquery参数说明：

  TCGA数据下载—TCGAbiolinks包参数详解 - 组学大讲堂问答社区

1.project

获取TCGA中最新的不同癌种的项目号，去官网上找：

“Search”或者从“Program”中选择找

2.data.category

可以指定project中的数据类型，如查询"TCGA-LUAD"，有7种数据类型。case_count为病人数，file_count为对应的文件数。下载表达谱，可以设置data.category="Transcriptome Profiling"：

> TCGAbiolinks:::getProjectSummary("TCGA-LUAD") #查看指定project的数据类型
$data_categories
  case_count file_count               data_category
1         80        397     Transcriptome Profiling
2         92        361       Copy Number Variation
3         92        744 Simple Nucleotide Variation
4         80         80             DNA Methylation
5         92        105                    Clinical
6         92        352            Sequencing Reads
7         92        517                 Biospecimen
$case_count
[1] 92
$file_count
[1] 2556
$file_size
[1] 3.920606e+12

3.data.type

这个参数受到上一个参数的影响，不同的data.category,会有不同的data.type，如下表所示：

4.workflow.type

这个参数受到上两个参数的影响，不同的data.category和不同的data.type，会有不同的workflow.type，如下表所示：

5. barcode

指定要下载的样品，例如： 

barcode =c"TCGA-14-0736-02A-01R-2005-01""TCGA-06-0211-02A-02R-2005-01"

6. sample.type

对样本的类型进行过滤，例如，原发癌组织，复发癌等等；

 例如：

query <- GDCquery(project = "TCGA-ACC",
                  data.category = "Transcriptome Profiling",
                  data.type = "Gene Expression Quantification",
                  workflow.type = "HTSeq - Counts",
                  sample.type = c("Primary solid Tumor"),
                  barcode = c("TARGET-20-PADZCG-04A-01R","TARGET-20-PARJCR-09A-01R"))

 

TCGA条码（barcode）：

1.概念：条码（barcode）是TCGA纳入的每一个标本的专有标识符。

2.结构：

根据前3项即可确定病人编号，如TCGA-02-0001；

其中比较重要的是交代样本类型的Sample的两位数信息，是后面进行差异分析的分组依据。具体对应的含义如下：

3.barcode编制过程如下：