使用R語言的cgdsr包獲取TCGA數據
前些天被TCGA的終結新聞刷屏，但是一直比較忙，還沒來得及仔細研讀，但是筆記本躺着的一些TCGA教程快發黴了，借此契機好好整理一下吧，預計二十篇左右的筆記
——jimmy
第一篇目錄TCGA數據源
查看有多少不同的癌症數據集
查看任意數據集的樣本列表方式
查看任意數據集的數據形式
選定數據形式及樣本列表後獲取感興趣基因的信息
選定樣本列表獲取臨床信息
綜合性獲取
從cBioPortal下載點突變信息
從cBioPortal下載拷貝數變異數據
把拷貝數及點突變信息結合畫熱圖
同理還可以下載所有其它TCGA的數據進行後續分析。
衆所周知,TCGA數據庫是目前最綜合全面的癌症病人相關組學數據庫，包括的測序數據有：
DNA Sequencing
miRNA Sequencing
Protein Expression
mRNA Sequencing
Total RNA Sequencing
Array-based Expression
DNA Methylation
Copy Number
知名的腫瘤研究機構都有着自己的TCGA數據庫探索工具，比如：
Broad Institute FireBrowse portal, The Broad Institute
cBioPortal for Cancer Genomics, Memorial Sloan-Kettering Cancer Center
TCGA Batch Effects, MD Anderson Cancer Center
Regulome Explorer, Institute for Systems Biology
Next-Generation Clustered Heat Maps, MD Anderson Cancer Center
其中cBioPortal更是被包裝到R包裡面：http://www.cbioportal.org/cgds_r.jsp
這裡就介紹如何使用R語言的cgdsr包來獲取任意TCGA數據吧。
查看有多少不同的癌症數據集cBioPortal是按照發表文章的方式來組織TCGA數據的，當然，裡面也還有很多非TCGA的數據集，所有的數據集如下所示：
library(cgdsr)library(DT)# Get list of cancer studies at server## 獲取有哪些數據集
mycgds <- CGDS("http://www.cbioportal.org/public-portal/")
all_TCGA_studies <- getCancerStudies(mycgds)
#all_TCGA_studies[1:3, 1:2]#write.csv(all_TCGA_studies,paste0(Sys.time(),"all_TCGA_studies.csv"),row.names = F)
DT::datatable(all_TCGA_studies)
也可以去網站上面查看這些數據集的詳細信息：http://www.cbioportal.org/data_sets.jsp
查看任意數據集的樣本列表方式上表的cancer_study_id其實就是數據集的名字，我們任意選擇一個數據集，比如stad_tcga_pub，可以查看它裡面有多少種樣本列表方式。
stad2014 <- "stad_tcga_pub"## 獲取在stad2014數據集中有哪些表格（每個表格都是一個樣本列表）
all_tables <- getCaseLists(mycgds, stad2014)
dim(all_tables) ## 共11種樣本列表方式 ## [1] 11 5 DT::datatable(all_tables[,1:3]) 查看任意數據集的數據形式 ## 而後獲取可以下載哪幾種數據，一般是mutation，CNV和表達量數據all_dataset <- getGeneticProfiles(mycgds, stad2014) DT::datatable(all_dataset, extensions = 'FixedColumns', options = list( #dom = 't', scrollX = TRUE, fixedColumns = TRUE ))
一般來說，TCGA的一個項目數據就幾種，如下：
選定數據形式及樣本列表後獲取感興趣基因的信息 my_dataset <- 'stad_tcga_pub_rna_seq_v2_mrna'my_table <- "stad_tcga_pub_rna_seq_v2_mrna"
BRCA1 <- getProfileData(mycgds, "BRCA1", my_dataset, my_table)
dim(BRCA1) ## [1] 265 1 DT::datatable(BRCA1)
樣本個數差異很大，不同癌症熱度不一樣。
選定樣本列表獲取臨床信息 ## 如果我們需要繪制survival curve，那麼需要獲取clinical數據clinicaldata <- getClinicalData(mycgds, my_table) DT::datatable(clinicaldata, extensions = 'FixedColumns', options = list( #dom = 't', scrollX = TRUE, fixedColumns = TRUE )) 綜合性獲取隻需要根據癌症列表選擇自己感興趣的研究數據集即可，然後選擇好感興趣的數據形式及對應的樣本量。就可以獲取對應的信息：
library(cgdsr)library(DT)
mycgds <- CGDS("http://www.cbioportal.org/public-portal/")
## mycancerstudy = getCancerStudies(mycgds)[25,1]
mycancerstudy = 'brca_tcga'
getCaseLists(mycgds,mycancerstudy)[,1] ## [1] "brca_tcga_3way_complete" "brca_tcga_all" ## [3] "brca_tcga_protein_quantification" "brca_tcga_sequenced" ## [5] "brca_tcga_cna" "brca_tcga_methylation_hm27" ## [7] "brca_tcga_methylation_hm450" "brca_tcga_mrna" ## [9] "brca_tcga_rna_seq_v2_mrna" "brca_tcga_rppa" ## [11] "brca_tcga_cnaseq" getGeneticProfiles(mycgds,mycancerstudy)[,1] ## [1] "brca_tcga_rppa" ## [2] "brca_tcga_rppa_Zscores" ## [3] "brca_tcga_protein_quantification" ## [4] "brca_tcga_protein_quantification_zscores" ## [5] "brca_tcga_gistic" ## [6] "brca_tcga_mrna" ## [7] "brca_tcga_mrna_median_Zscores" ## [8] "brca_tcga_rna_seq_v2_mrna" ## [9] "brca_tcga_rna_seq_v2_mrna_median_Zscores" ## [10] "brca_tcga_linear_CNA" ## [11] "brca_tcga_methylation_hm450" ## [12] "brca_tcga_mutations" mycaselist ='brca_tcga_rna_seq_v2_mrna'
mygeneticprofile = 'brca_tcga_rna_seq_v2_mrna'
# Get data slices for a specified list of genes, genetic profile and case liste
xpr=getProfileData(mycgds,c('BRCA1','BRCA2'),mygeneticprofile,mycaselist)
DT::datatable(expr)
是不是很簡單就得到了指定基因在指定癌症的表達量哦
# Get clinical data for the case listmyclinicaldata = getClinicalData(mycgds,mycaselist) DT::datatable(myclinicaldata, extensions = 'FixedColumns', options = list( #dom = 't', scrollX = TRUE, fixedColumns = TRUE )) ## Warning in instance$preRenderHook(instance): It seems your data is too ## big for client-side DataTables. You may consider server-side processing: ## http://rstudio.github.io/DT/server.html 從cBioPortal下載點突變信息 library(cgdsr)library(DT)mycgds <- CGDS("http://www.cbioportal.org/public-portal/")
mutGene=c("EGFR", "PTEN", "TP53", "ATRX")
mut_df <- getProfileData(mycgds, caseList ="gbm_tcga_sequenced", geneticProfile = "gbm_tcga_mutations", genes = mutGene ) mut_df <- apply(mut_df,2,as.factor)
mut_df[mut_df == "NaN"] = ""
mut_df[is.na(mut_df)] = ""
mut_df[mut_df != ''] = "MUT"
DT::datatable(mut_df) 從cBioPortal下載拷貝數變異數據 把拷貝數及點突變信息結合畫熱圖
下面的函數，主要是配色比較複雜，其實原理很簡單，就是一個熱圖。
library(ComplexHeatmap)代碼不好排版，如下：
出圖如下：
最新文章
-
非常時期，工具準備清單及使用說明丨硬核生存指南
15分鐘前 -
把彩虹染到你頭發上 到底是美爆了還是土得掉渣
32分鐘前 -
嘉陵江和長江，如何切割川東平行嶺谷
50分鐘前 -
精辟！聰明的人從不說這4句話，六十歲後千萬别再說了！
60分鐘前 -
實體門店私域引流的10種玩法攻略
1小時前 -
幽默笑話：小故事幾則
1小時前 -
原來一個好故事都被這個公式拿捏住了
2小時前 -
我國蘋果品種及砧木特性大彙總，看這一篇就夠用了！
2小時前
熱門文章
-
每日一誦傷寒論第241條
1周前 -
老張老李侃門球之140篇
2天前 -
診餘雜記（師傳經驗）
4天前 -
為什麼五點鐘要起床答案讓人吃驚！（現在知道還不晚）
1周前 -
這個穴位可以治療多種胃痛腹痛，還可以減肥
6天前 -
治療坐骨神經痛藥酒５方
1周前 -
美麗中國-2870：中國最大的内陸河，塔裡木河
2天前 -
二十四山開門放水作竈真訣開門放水作竈直訣——子山
2天前
有話要說...