TCGA 数据库基因表达数据的下载：最大的公开肿瘤数据库，可用于各种深度学习项目
TCGA 数据库基因表达数据的下载：最大的公开肿瘤数据库，可用于各种深度学习项目
·
TCGA癌种项目：
| 项目名称 | 癌种 | 样本数量 |
|---|---|---|
| TCGA-BRCA | 乳腺癌（Breast Invasive Carcinoma） | 1079 |
| TCGA-OV | 卵巢浆液性囊腺癌（Ovarian Serous Cystadenocarcinoma） | 571 |
| TCGA-LUAD | 肺腺癌（Lung Adenocarcinoma） | 563 |
| TCGA-UCEC | 子宫内膜癌（Uterine Corpus Endometrial Carcinoma） | 542 |
| TCGA-HNSC | 头颈部鳞状细胞癌（Head and Neck Squamous Cell Carcinoma） | 523 |
| TCGA-KIRC | 肾细胞癌（Kidney Renal Clear Cell Carcinoma） | 523 |
| TCGA-GBM | 胶质母细胞瘤（Glioblastoma Multiforme） | 522 |
| TCGA-LGG | 低级别胶质瘤（Brain Lower Grade Glioma） | 509 |
| TCGA-LUSC | 肺鳞状细胞癌（Lung Squamous Cell Carcinoma） | 501 |
| TCGA-THCA | 甲状腺癌（Thyroid Carcinoma） | 473 |
| TCGA-PRAD | 前列腺癌（Prostate Adenocarcinoma） | 469 |
| TCGA-SKCM | 黑色素瘤（Skin Cutaneous Melanoma） | 469 |
| TCGA-COAD | 结肠癌（Colon Adenocarcinoma） | 458 |
| TCGA-STAD | 胃癌（Stomach Adenocarcinoma） | 437 |
| TCGA-BLCA | 膀胱癌（Bladder Urothelial Carcinoma） | 408 |
| TCGA-LIHC | 肝细胞癌（Liver Hepatocellular Carcinoma） | 375 |
| TCGA-CESC | 宫颈癌（Cervical Squamous Cell Carcinoma and Endocervical Adenocarcinoma） | 305 |
| TCGA-KIRP | 肾乳头状细胞癌（Kidney Renal Papillary Cell Carcinoma） | 289 |
| TCGA-TGCT | 睾丸生殖细胞肿瘤（Testicular Germ Cell Tumors） | 261 |
| TCGA-SARC | 软组织肉瘤（Sarcoma） | 255 |
| TCGA-ESCA | 食管癌（Esophageal Carcinoma） | 183 |
| TCGA-PAAD | 胰腺癌（Pancreatic Adenocarcinoma） | 173 |
| TCGA-READ | 直肠癌（Rectum Adenocarcinoma） | 170 |
| TCGA-PCPG | 嗜铬细胞瘤/副神经节瘤（Pheochromocytoma and Paraganglioma） | 169 |
| TCGA-LAML | 急性髓细胞性白血病（Acute Myeloid Leukemia） | 135 |
| TCGA-THYM | 胸腺瘤（Thymoma） | 97 |
| TCGA-ACC | 肾上腺皮质癌（Adrenocortical Carcinoma） | 92 |
| TCGA-MESO | 恶性间皮瘤（Mesothelioma） | 85 |
| TCGA-UVM | 葡萄膜黑色素瘤（Uveal Melanoma） | 80 |
| TCGA-KICH | 肾嫌色细胞癌（Kidney Chromophobe） | 66 |
| TCGA-UCS | 子宫梗死性肉瘤（Uterine Carcinosarcoma） | 57 |
| TCGA-CHOL | 胆管癌（Cholangiocarcinoma） | 50 |
| TCGA-DLBC | 弥漫性大B细胞淋巴瘤（Lymphoid Neoplasm Diffuse Large B-cell Lymphoma） | 47 |
指定好项目名称下载即可（STAR-count转录组定量结果，其它数据类型需要自己指定）：
library(TCGAbiolinks)
library(dplyr)
library(SummarizedExperiment)
library(msigdbr)
# 选择项目
class <- "TCGA-READ"
# 数据下载
query <- GDCquery(
project = class,
data.category = "Transcriptome Profiling",
data.type = "Gene Expression Quantification",
workflow.type = "STAR - Counts"
)
GDCdownload(query = query)
data <- GDCprepare(query = query)
if (!dir.exists(paste0("./", class))) {
dir.create(paste0("./", class))
}
Exp <- assay(data) %>% as.data.frame() # 提取数据表达
ann <- rowRanges(data) # 提取基因注释
ann <- as.data.frame(ann)
rownames(ann) <- ann$gene_id
ann <- ann[rownames(Exp),]
write.csv(ann, paste0("./", class,"/ann.csv"), row.names = F) # 基因注释信息
Exp <- cbind(data.frame(Gene = ann$gene_name), Exp)
write.csv(Exp, paste0("./", class,"/exp.csv"), row.names = F) # 表达矩阵
clinical <- GDCquery_clinic(project= class, type = "clinical") # 提取临床信息
write.csv(clinical, paste0("./", class,"/clinical.csv"), row.names = F) # 临床注释信息
结果如下：
▲ count 表达矩阵
▲ 样本临床、生存信息
▲ 基因注释
更多推荐
6
0- 0
已为社区贡献3条内容
所有评论(0)