构建生物网络实践TCGA肿瘤数据库下载(四)

1. 官网，http://cancergenome./。单击页面右侧的Launch data portal按钮。

2. 链接到TCGA数据库升级后的下载界面（Genomic Data Commons Data Portal）。

3. 点击project进入到各个肿瘤项目中。其中乳腺癌包含1098例病人的测序数据(DNA和RNA)和临床数据。

4. 如果只对RNA的表达数据感兴趣只需点击RNA-seq。

5. 跳转到这个界面，点击summary>光标移到Open点击。

6. 点击files共有3666个文件，每一个样本有三个类型表达文件。分别为FPKM.txt.gz，.FPKM-UQ.txt.gz，htseq.counts.gz。htseq.counts是 FPKM.txt的上游文件，htseq.counts可以通过不同的算法得到表达值，而其中FPKM是目前流行的算法之一。而FPKM-UQ.txt，编者认为是在计算read时是否只保留unique read。FPKM-UQ相对更加准确，但相对丢失了些数据。具体下载哪种类型数据，根据不同需求决定。

7. 回到summary，点击Add all fites to the cart。类似把需要下载的文件放入购物车一样。

8. 点击购物车，进入到以下界面。单击Manifest进行下载文件。

9. 专门的批量下载工具，官网https://gdc.nci./access-data/gdc-data-transfer-tool。下载与操作系统匹配的版本（支持Mac OS X、Windows 64bit、Linux 64bit）。

10. 最终需要三个文件。一是单击Manifes下载的gdc_manifest_20160724_081005（每次下载的文件名会不同），可以认为是种子文件。二是模版，放着执行的命令。三是运行的软件，但不是双击打开就能完全解决的。

11. 首先，打开模板，将刚下载的那个文件的名称“gdc_manifest_20160724_081005”复制并粘贴替换“模板”文件中标记的内容，并保存。

12. 然后双击gdc-client文件，打开文件后窗口又自动关闭，表示程序注册到电脑中。

13. 首先单击电脑“开始”，在搜索框中输入cmd并点击回车键。如下图所示，本文件夹所在的根目录在e盘，然后，英文输入法状态下输入e:。接着，回车后再输入cd空格，复制所在文件夹的路径（E:\TCGA）并右键粘贴至cd空格后面,点击回车键。最后，复制模板中内容并右键粘贴在E:\TCGA后面，点击回车，程序开始自动下载文件。

14. 下载中途断开或出现ERROR，再次输入上页的代码后可继续下载。如果下载好的解压出错，可能是下载时出现问题，只需将出错文件删除，并重新输入代码即可继续下载。

这期的内容讲到TCGA的批量下载，最终我们要将许多单个txt文件转变为还原文献” Identification of breast cancer candidate genes using gene co-expression and protein-protein interaction information ”中以下的矩阵形式，下期将继续讲解TCGA数据下载后处理的问题。

FS数据挖掘主编

赵忻艺，将大数据应用于医学科研，主要包括临床医学数据的挖掘、收集、整理和利用（标准化和科学化的数据库），医学分子大数据的整理、利用及研究（基因、蛋白及代谢）。特别针对肿瘤个体化的基因测序和数据快速处理，寻找个体化的分子标志物、药物靶标和治疗方案。目前，已建立浙大大数据挖掘团队，旨在降低研究者学习大数据的门槛，推动大数据共享与研究协作，发表更高质量的研究成果，为科研决策提供精准的预测和实验证据。

科研路，不孤单！

Freescience医学科研联盟全国火热招募ing

50家高校及医院的小伙伴已经加入啦

具体点这里

FS科研软件库，集合50+医学科研必备神器，现在统统打包分享，点这里