新版TCGA数据转录组表达数据下载及整理（R语言）

简介

由美国05年发起的癌症和肿瘤基因图谱（TCGA，The Cancer Genome Atlas）计划，旨在应用基因组分析技术研究癌症中的基因组变化，做了大规模的基因组测序，样本量过万，包含了三十多种癌症，其中尤其宝贵的是这些样本都有很详细的预后随访信息。TCGA提供了大量的深度测序数据，包括Gene expression, DNA methylation, Copy Number Variant, Mutation还有更深度的exon expression外显子测序结果，最常用的是33种肿瘤及正常组织的高通量芯片或测序数据，其次包括10种罕见肿瘤，无疑是一座巨大宝库。此外其临床数据包含。

TCGA数据下载网址：https://www.cancer.gov/ccg/research/genome-sequencing/tcga

TCGA数据概况

• Clinical: 包括病人的一般情况、诊治情况、TNM分期、肿瘤病理、生存情况等。

• mRNA表达数据: 通过mRNA芯片或者RNAseq测得的mRNA表达量

• microRNA: microRNA芯片或者microRNA-Seq测得的microRNA表达量

• Copy number variation: SNP芯片得到的肿瘤组织比对正常组织的染色体上各片段的比值

• Mutation: 肿瘤组织测序结果相对参考基因组的核苷酸突变，包括插入和缺失等变化

• Protein: 蛋白芯片测序得到的约200种常见癌症相关蛋白的表达量Mythelation: 甲基化芯片测得的DNA甲基化数据，主要为27和450两种芯片的数

  转录组数据的下载

  进入网页：

  https://www.cancer.gov/ccg/research/genome-sequencing/tcga

  ①选择Access TCGA Data

  ②选择Projects

  ③左侧的原发部位Primary Site，选在自己的方向（以乳腺癌为例）

  ④项目Program选择TCGA

  ⑤选择队列Cohort Bulider

  ⑥在Program栏目选择TCGA

  ⑦在Project栏目选择简称TCGA-BRCA

  ⑧选择Repository

  ⑨在左侧找到Data Category选择转录组数据Transcriptome profiliing

  数据类型Data Type选择Gene Expression Quantification

  ⑩加入到cart

  下载两个文件分别是Cart文件和Metadata文件

  下载完成后我们将Cart，解压在他的原始文件夹中，我们可以打开其中一例数据看看包含哪些项目

  包含项目：

  • gene_id：此处的为ENSMBLE格式；

  • gene_name：symbol格式

  • unstrandes：基因的表达counts值

  • tpm_unstranded：TPM值

  • fpkm_unstranded：FPKM值

    mRNA-Seq数据分为4种：

    Counts；TPM；FPKM；FPKM-UQ。其中Counts属于原始的格式

    Counts: 测序的reads中比对到某个基因上的计数；TPM、FPKM: 用来衡量转录本表达丰度的一种量度方式；UQ-FPKM：通过上四分位点进行标准后的FPKM；

    数据格式转换参考：

    https://docs.gdc.cancer.gov/Data/Bioinformatics_Pipelines/Expression_mRNA_Pipeline/

    使用R语言数据整理FPKM数据

    library(rjson)library(limma)setwd("C:\Users\TCGA-BRCA") #此处我将下载的数据，均放在TCGA-BRCA文件夹中，更改为自己的文件夹metafile="metadata.cart.2024-03-24.json" #下载的metadata文件的名称gdcfliename="gdc_download_20240324_144347.209765" #cart文件的名称path1="gdc_download_20240324_144347.209765\" #cart文件名+“\”outfilename="TCGA-STAD_FPKM.txt" #输出表达矩阵文件的名称#为了方便大家使用，大家只用修改以上内容json = jsonlite::fromJSON(metafile)id = json$associated_entities[[1]][,1]sample_id = sapply(json$associated_entities,function(x){x[,1]})file_sample = data.frame(sample_id,file_name=json$file_name)  count_file