赞，这款“网红”TCGA下载神器升级后仍坚持完全免费！

https://cancergenome./

想学习生物信息学的小伙伴估计没有人不知道TCGA(The Cancer Genome Atlas )数据库的，他是NIH旗下一个含有丰富基因表达和临床数据的数据库网站。为什么重要，简单点说，只要能把他上面的数据搞下来分析下，零成本，就能帮我们憋出好多科研思路，这也是最近几年它越来越火的原因，在pubmed上随意搜索都可以看到有很多基于TCGA的文章；同时因为有临床数据，其对课题方向的设计，基因蛋白分子的筛选都大有裨益。

然而，很可惜，想要获得最新最全的数据需要编程（R语言）才能下载，这对于初学生信的同学来说是不可能的。在1年前，我们介绍过一款完全免费的免安装的TCGA数据下载神器，傻瓜式，零基础，让你可以很顺畅地在数据的海洋里遨游。而伴随着口口相传，这款网红生信分析神器的使用量早期突破了百万大关。

当时还录了视频教程哈：

为什么这么火呢，其实是有道理的:

1.“点点点”即可获得TCGA数据（都不用去TCGA网站，也不用愁看不懂）

2.不需要学习任何R语言就可以下到最全的数据。（因为这个软件就是根据严谨的R语言算法设计的）

3.利用这个小软件，设计课题

4.利用这个小软件，写文章

很高兴，这个神器目前已经更新到了V16版本，更难能可贵的是，这款神器仍然是免费的！（要我，早收费了....）

新版本“简洁”到令人发指的地步：

你看着啥都没有，其实他是在检索，大约过一会儿（因你的网络而定）就会长这个样子：

左侧就是检索出来可以下载的TCGA的三十多种肿瘤，你可以双击任何的一个肿瘤便可以进行下一步操作，比如双击选择胃癌：

弹出一个小框，可以下拉，里面有多种选择，每一种选择都是检索一类数据，GDC做了限制，所以检索所有数据时如果样本量过大可能检索不出来，比如乳腺癌，所以这里分类型来检索比较实在。

1、所有甲基化数据：主要包含两种平台的甲基化数据：27k和450k的

2、所有转录组数据：主要包含RNA-Seq，miRNA-Seq，划重点：下载基因表达、lncRNA表达、假基因表达、miRNA表达在这里下载

3、Biospecimen:主要是病人的入院收治信息

4、临床随访信息：主要包含病人的随访信息，划重点：你要的预后，生存，用药信息在这里

5、单核苷酸多态数据：主要包含SNP的数据，由四种软件处理的SNP数据都在这里面

6、拷贝数变异数据：主要包含CNV的数据，其中有两种一种是去除种系差异的，一种是没去除的。

我们先选择甲基化的看一看：

长这个样子，从中可以看到右上方下拉菜单有两种，450（397），27（73），这就说明胃癌 TCGA里测了两种平台的甲基化数据，样本量分别为397和73个，我们选择其中一个，然后右下角点击下载就好了，如果想进一步筛选一下癌症样本则右下角勾选癌症样本即可。

同理我们选择转录组数据看一看如下：

对！有五个，其中HTSeq 开头的表示的是RNA-Seq，三个分别表示三种定量方式，你酌情选择，不管选哪一种lncRNA、假基因、编码基因的表达谱都在这里面，BCGSC开头的表示miRNA-Seq，有两种，一种是isoform的这类是成熟体miRNA保存的地方，一种是不含isoform的，这类是前体miRNA保存的地方，你酌情选择，选择完右下角点击下载即可。

同理我们选择Biospecimen看看如下：

看一下，厉害了，有两千多个样本，这些都是啥呢，如图中红框文件大小比较小的，文件名是.xml结尾的此类是病人入院的信息，文件大小比较大的，文件名是.svs结尾的此类是病人的病理学图像数据，此类是最近新共享的，可以下载后用指定的软件打开看病理。

同理我们选择临床随访信息看一下：

有三类，biotab,XML，OMF XML，第一个是病人的一些其他信息比如同时患了其他肿瘤的信息，是文本文件，而第二个才是随访信息，包含各种预后，治疗等信息的数据，第三个和第一个差不多，但是是xml格式的。

看一下单核苷酸多态的数据：

很明显是四个软件的结果，都是maf文件格式的，所有的突变都在一个文件里，要算TMP之类的可以在这里下载。

再看一下拷贝数变异数据：

有两种，一种是.nocnv结尾的，一种是非nocnv的，样本个数是一样的，主要差别在于nocnv是去除了种系差异的，一般使用nocnv数据做后续的分析。

以上是所有类型的数据的下载介绍！数据下载完成之后大多数都不能直接用，故软件还贴心提供了合并文件这个功能，如右下角 合并文件按钮，以下载临床随访信息为例，数据下载完成是长这个样子：

划重点：

除了单核苷酸多态、Biospecmen，其他各个类型的数据下载下来都是类似的 一个样本一个文件的样子，所以此时我们就需要将这些样本合并成矩阵，故点击“合并文件”按钮，弹出文件选择框，选择我们下载好的文件的文件夹，里面包含了一个.log结尾的文件，我们选择该log文件即可将这些样本进行合并，该log文件记录了本次下载中所有的样本的下载信息，所以软件根据该文件对这些样本进行合并成最终的矩阵。

很明显，相比之前几个版本更强大了：

一、miRNA数据合并时同时合并出两个矩阵，一个是counts的，一个是FPKM的

二、支持拷贝数变异的数据合并，可以用来直接跑GISTIC，或者做其他的下游分析

三、优化了临床随访信息中疾病进展状态（复发，转移等）及时间的提取，身高、体重、BMI等

这些A开头的都是根据一定规则从随访信息数据中单独提取出来的，以便更轻松的往下分析。

总生存时间和状态提取原则：死亡患者：首次出现死亡时的时间，未死亡患者：最后一次随访的时间。

进展时间和状态提取原则：进展患者：首次出现进展时的时间，未进展的患者：最后一次随访的时间。

总之，有了这个神器，你可以毫无压力地玩转TCGA数据库的下载环节，然而精彩的故事才刚刚开始......

生信初学的同学，也可以到目前国内最大的生信学习社区（https:///）逛逛，尤其是神秘的SangerBox可视化生信分析软件。瞧瞧告诉你，今天介绍的TCGA下载神器仅仅是BOX里其中一件神器而已哦