TCGA_临床数据下载_全面数据

TCGAbiolinks (三)获取全面的临床数据  – 璃墨的小站

library(TCGAbiolinks)

一、基础数据下载

1 下载GDC文件

query <-GDCquery(project = "TCGA-PRAD", 
                 data.category = "Clinical", 
                 file.type = "xml")

2 组合数据

#选择要提取的数据分类,可选包括:"drug","follow_up","radiation","patient","stage_event","new_tumor_event","admin"
clinical.info <- c('admin', 'patient', 'stage_event', 'new_tumor_event') # 不获取'drug', 'follow_up', 'radiation'

#定义函数
f_rm_colN <- function(df, regex){
  df[,!grepl(regex, colnames(df))]
}
f_rm_duplicated <- function(NameL, reverse=F){
  tmp <- data.frame(table(NameL))
  if(reverse){
    tmp <- tmp$NameL[tmp$Freq > 1]
  }else{
    tmp <- tmp$NameL[tmp$Freq == 1]
  }
  which(NameL %in% as.character(tmp))
}

#组合clinical矩阵
clinical <- list()
for(info in clinical.info){
  clinical[[info]]  <- GDCprepare_clinic(query, clinical.info = info,directory = 'Data&Results/临床数据下载/GDCdata_full clinical data/')
  clinical[[info]] <- f_rm_colN(clinical[[info]], "project")
}
clinical$admin <- f_rm_colN(clinical$admin, "file_uuid")
for(info in clinical.info){
  clinical[[info]] <- unique(clinical[[info]])
}
f_merge  <- function(lc_mergedList, by, all=T){
  Reduce(function(...) merge(..., by=by, all=all), lc_mergedList)
}
clinical <- f_merge(clinical, by = 'bcr_patient_barcode', all = T)

二、更新数据补丁

cl_new <- GDCquery_clinic(project = 'TCGA-PRAD', type = 'clinical')
clinical <- merge(clinical, cl_new, by = 'bcr_patient_barcode', all = T, suffixes = c('.old', '.new')) #suffixes:指定除by外相同列名的后缀。如果某列有新数据,自动加上old和new两个后缀

View(clinical)

三、生存分析补丁

1 补充总生存期(overall survival,OS)的 status 和 time

clinical$os_status  <- with(clinical,ifelse(vital_status.new == 'Dead', 1, 0)) # 1表示因病死亡,0表示截尾数据
clinical$os_time <- with(clinical,ifelse(os_status == 1, days_to_death.new, days_to_last_follow_up))

如果出现了死亡,则取死亡时间;如果没有死亡,则取最后随访时间

sum(clinical$os_status)

 [1] 9         得到死亡人数

2 补充无进展生存期(progression free survival,PFS)的status 和 time

PFS由 biochemical_recurrence 和 new_neoplasm_event 共同组成,优先取前者:

biochemical_recurrence 和 days_to_first_biochemical_recurrence 对应;

new_neoplasm_event 和 days_to_new_tumor_event_after_initial_treatment 对应。

1)查看数据

时间数据 

table(is.na(clinical$days_to_new_tumor_event_after_initial_treatment)) #有NA
table(is.na(clinical$days_to_first_biochemical_recurrence)) #有NA

PFS状态数据

table(is.na(clinical$new_neoplasm_event_type)) #有NA。NA为缺失,''为无复发
table(is.na(clinical$biochemical_recurrence)) #无NA。''为缺失

 

2)将时间数据中的NA缺失值都换成 ' ',方便后续处理

clinical$days_to_new_tumor_event_after_initial_treatment = with(clinical,ifelse(is.na(days_to_new_tumor_event_after_initial_treatment),'',days_to_new_tumor_event_after_initial_treatment))
clinical$days_to_first_biochemical_recurrence = with(clinical,ifelse(is.na(days_to_first_biochemical_recurrence),'',days_to_first_biochemical_recurrence))

3)取出所有有PFS状态的数据,即排除所有确实PFS状态的数据

t_row = with(clinical, !(days_to_new_tumor_event_after_initial_treatment=='') | !(days_to_first_biochemical_recurrence=='') | !is.na(new_neoplasm_event_type) | !(biochemical_recurrence==''))

clinical = clinical[t_row,]

时间数据不为 ' ' ;new_neoplasm_event_type不为NA ;biochemical_recurrence不为 ' '。均可视为有生存信息,所以对三者取交集

4)取发生PFS的时间,PFS状态,补上缺失值的观察时间

clinical$dcf_time = with(clinical,ifelse(!days_to_new_tumor_event_after_initial_treatment=='',days_to_new_tumor_event_after_initial_treatment,''))
clinical_filt$dcf_time = with(clinical,ifelse(!days_to_first_biochemical_recurrence=='',days_to_first_biochemical_recurrence,dcf_time))

clinical$dcf_status = ifelse(!clinical$dcf_time=='',1,0) #1表示有dcf事件,0表示无肿瘤事件

clinical$dcf_time = with(clinical ifelse(dcf_time=='',os_time,dcf_time))

write.csv(clinical, file = 'clinical_with_os_dcf.csv')

先赋days_to_new_tumor_event_after_initial_treatment,再days_to_first_biochemical_recurrence

  • 6
    点赞
  • 50
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 5
    评论
要提取TCGA临床数据,可以使用Perl脚本来实现。首先,我们需要获取TCGA临床数据的存储位置和格式。 在Perl脚本中,可以使用以下步骤来提取TCGA临床数据: 1. 需要先下载TCGA临床数据的存储文件,可以从TCGA官方网站或相关数据库中获取。这些文件通常以文本格式(如CSV或TSV)存储。 2. 在Perl脚本中,可以使用文件操作函数来打开并读取所下载临床数据文件。可以使用open函数打开文件句柄,并使用指定的读取模式将文件内容读取到变量中。 3. 在读取数据文件后,可以使用字符串处理函数和正则表达式来解析数据。根据数据的格式,可以使用split函数或正则表达式来将每行数据分割成字段,并将这些字段存储到适当的变量中。 4. 根据需求,可以使用条件语句、循环和其他Perl控制结构来筛选和处理数据。例如,可以根据某个特定的临床变量或病例特征来过滤数据,并将符合条件的数据存储到新的变量或文件中。 5. 在对数据进行处理和筛选后,可以根据具体需求选择合适的输出方式。可以将处理后的数据输出为文本文件,也可以将其存储到数据库中,或者进行其他进一步的分析。 综上所述,使用Perl脚本可以实现对TCGA临床数据的提取和处理。具体的脚本代码会根据数据格式和需求的不同而有所差异,上述步骤仅提供了一个基本的脚本框架,需要根据具体的情况进行相应的调整和改进。
评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

郁柳_Fudan

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值