#因為之前的命令調用GDCquery_Maf 發現用不了

#故找到了一些其他的方法，并且自己試著將其弄成了一個表達矩陣。

#代碼如下

#1、下載加載相應的包

install.packages("pacman")
library(pacman)
p_load(TCGAbiolinks,DT,tidyverse)

BiocManager::install("TCGAbiolinks")
library(TCGAbiolinks)
library(tidyverse)
BiocManager::install("maftools")
library(maftools)

library(dplyr)

#

TCGAbiolinks:::getProjectSummary("TCGA-STAD")

#建立查詢
raw<-GDCquery(
? project= "TCGA-STAD",
? data.category = "Simple Nucleotide Variation",
? access = ?"open",
? legacy = FALSE,
? data.type= "Masked Somatic Mutation",
? workflow.type = "Aliquot Ensemble Somatic Variant Merging and Masking"
)

#下載數據
GDCdownload(raw)
#獲取數據
maf<- GDCprepare(raw)
#讀取數據
maf<-maf %>% maftools::read.maf()
#表格化數據，數據會以表格形式出現在右下角viewer里
datatable(getSampleSummary(maf),
? ? ? ? ? filter = 'top',
? ? ? ? ? options = list(scrollX = TRUE , keys = TRUE,?
? ? ? ? ? ? ? ? ? ? ? ? ?pageLength = 5),
? ? ? ? ? rownames = FALSE)

#（以上代碼是看b站一個視頻來的，但是我需要這個表格，根據自己需求繪制相應的樣本的TMB瀑布圖，比較兩個組之間的差異情況）
#把突變數據提取成為一個表達矩陣
a<-datatable(getSampleSummary(maf),
? ? ? ? ? ? ?filter = 'top',
? ? ? ? ? ? ?options = list(scrollX = TRUE , keys = TRUE,?
? ? ? ? ? ? ? ? ? ? ? ? ? ? pageLength = 5),
? ? ? ? ? ? ?rownames = FALSE)
#觀察列表a的結構，發現突變數據表達矩陣在a的x中的data中，提取出來。
STADTMB<-a$x$data

View(STADTMB)

?

#這樣就生成了一個和GDCquery_Maf提取出來的合并了的體細胞突變數據了（應該是，自己也沒用GDCquery_Maf 提取出來過。總之可以用來做后續的分析：比如比較TCGA中構建出來的風險模型，高低風險組之間的TMB情況）

總結

以上是生活随笔為你收集整理的提取TCGA 中体细胞突变数据的表达矩阵的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。