很多人因為網(wǎng)絡(luò)原因不能使用TCGAbiolinks這個神包下載TCGA的RNA-seq數(shù)據(jù)，只能通過瀏覽器訪問GDC TCGA的官網(wǎng)進行下載，而下載后得到的是一個個文件夾，對于如何整理成一個表達矩陣也是很麻煩的。

今天給大家介紹一個簡單點的方法，使用TCGAbiolinks包整理你通過瀏覽器官網(wǎng)下載的rna-seq數(shù)據(jù)。

通常大家通過瀏覽器下載后會得到下面的這種很多個文件夾：

每個文件夾里是一個樣本的表達量數(shù)據(jù)，tsv格式的：

這時候你可以通過之前介紹過的方法得到表達矩陣。

但是這個方法對于新手還是不夠友好，尤其是根據(jù)Json文件匹配數(shù)據(jù)時，但是TCGA表達量數(shù)據(jù)又是很常用的，這個操作還是很高頻的需求。

前幾天學(xué)習(xí)TCGAbiolinks包時意外發(fā)現(xiàn)，即使是手動下載的數(shù)據(jù)，只要構(gòu)建合適的路徑，也是可以通過GDCprepare()函數(shù)進行整理從而簡單的得到表達矩陣的！

TCGAbiolinks包下載的表達量數(shù)據(jù)的文件路徑是有規(guī)律的，如果你沒有特別指明，通常是位于GDCdata\TCGA-COAD\harmonized\Transcriptome_Profiling\Gene_Expression_Quantification這個路徑下的。

這個包下載數(shù)據(jù)就是三板斧操作，query,download,prepare，而且最后GDCprepare()需要的還是GDCquery()得到的對象，因此我們完全可以通過構(gòu)建一個適合它的路徑，讓GDC_prepare()幫我們整理成表達矩陣！

比如我上面的各個樣本文件夾的路徑在我的電腦中是這樣的：G:\tcga\GDCdata\TCGA-COAD\harmonized\Transcriptome_Profiling\Gene_Expression_Quantification，我的get_expr.R腳本是放在G:\tcga這個路徑下的。

腳本內(nèi)容如下：

library(TCGAbiolinks)## ============================================================= ## ______ ___ ____ ___ ## || | | | | | o __ | o _ __ ## || | | ___ |___| |__ | | | | | | | | |_/ |__ ## || |___ |____| | | |__| | |__| |__ | | |_| | \ __| ## ------------------------------------------------------------ ## Query, download & analyze - GDC ## Version:2.25.2 ## ==============================================================# 查詢這一步是需要的！即使網(wǎng)在欄，這一步應(yīng)該可以成功的... query <- GDCquery(project = "TCGA-COAD",data.category = "Transcriptome Profiling",data.type = "Gene Expression Quantification",workflow.type = "STAR - Counts") # 下載這一步就不用了，我們是通過官網(wǎng)手動下載的~ # GDCdownload(query, files.per.chunk = 100) #每次下載100個文件# 整理 GDCprepare(query,save = T,save.filename = "example.rdata")##|===============================================================================|100% ## Completed after 1 m ##Starting to add information to samples ## => Add clinical information to samples ## => Adding TCGA molecular information from marker papers ## => Information will have prefix 'paper_' ##coad subtype information from:doi:10.1038/nature11252 ##Available assays in SummarizedExperiment : ## => unstranded ## => stranded_first ## => stranded_second ## => tpm_unstrand ## => fpkm_unstrand ## => fpkm_uq_unstrand ##=> Saving file: example.rdata ##=> File saved

這樣我們的數(shù)據(jù)就整理好了：

下次使用直接load即可：

rm(list = ls()) load(file = "example.rdata")se <- data seclass: RangedSummarizedExperiment dim: 60660 521 metadata(1): data_release assays(6): unstranded stranded_first ... fpkm_unstrand fpkm_uq_unstrand rownames(60660): ENSG00000000003.15 ENSG00000000005.6 ... ENSG00000288674.1 ENSG00000288675.1 rowData names(10): source type ... hgnc_id havana_gene colnames(521): TCGA-A6-5664-01A-21R-1839-07 TCGA-D5-6530-01A-11R-1723-07 ...TCGA-A6-2683-01A-01R-0821-07 TCGA-A6-2683-11A-01R-A32Z-07 colData names(107): barcode patient ... paper_vascular_invasion_present paper_vital_status

這個se就是我們之前介紹過的SummarizedExperiment對象，你可以對它進行各種操作，得到counts矩陣、tpm矩陣、fpkm矩陣都是小事一樁，猶如探囊取物一般簡單流暢！ 詳情可搜索歷史推文

“

關(guān)于TCGA表達矩陣提取，告訴我，你還有哪里搞不定！？

本文由 mdnice 多平臺發(fā)布

總結(jié)

以上是生活随笔為你收集整理的手动下载新版的TCGA数据也是可以用TCGAbiolinks包整理的的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。