TCGA样本

TCGA样本原数据(metadata)可以从https://portal.gdc. 下载。文件格式是JSON，因此需要一个解析文件的步骤，把JSON转化成便于阅读的表格。有很多工具可以做这件事情，我用的方法是R包httr中fromJSON函数，非常简单，推荐使用。

这里，通过一个例子，展示原数据(metadata)的组成(elements)。

{

"diagnoses": [

  {

    "days_to_death": null,

    "vital_status": "alive",

    "age_at_diagnosis": 24773,

    "primary_diagnosis": "c34.2"

  }

],

"disease_type": "Lung Adenocarcinoma",

"demographic": {

  "gender": "male",

  "race": "white",

  "ethnicity": "not hispanic or latino"

},

"submitter_id": "TCGA-95-8494",

"project": {

  "program": {

    "name": "TCGA"

  },

  "project_id": "TCGA-LUAD"

},

"case_id": "6ee9caec-65ac-46db-9426-ffaa31967ae2",

"primary_site": "Lung",

"summary": {

  "data_categories": [

    {

      "file_count": 1,

      "data_category": "DNA Methylation"

    },

    {

      "file_count": 5,

      "data_category": "Transcriptome Profiling"

    },

    {

      "file_count": 1,

      "data_category": "Biospecimen"

    },

    {

      "file_count": 16,

      "data_category": "Simple Nucleotide Variation"

    },

    {

      "file_count": 1,

      "data_category": "Clinical"

    },

    {

      "file_count": 4,

      "data_category": "Copy Number Variation"

    },

    {

      "file_count": 4,    

      "data_category": "Raw Sequencing Data"

    }

  ],

  "file_count": 32

}

}

下面，JSON转换为表格的示例。同时，我们提供了完整内容的下载，链接可在末尾找到。

在TCGA中，主要有下面的数据类型：

1）转录组数据（Transcriptome）

2）甲基化数据（Methylation）

3）基因突变数据（Mutation）

4）拷贝数变化数据 （CNV）

对于TCGA的肿瘤，不是每一个样本都有上面四种数据。

下面给出了每种肿瘤中，含有这四种数据的样本数。

下载地址：

TCGA样本注释信息完整版，http://pan.baidu.com/s/1i5P2PnR

关注“如何玩转生物大数据”微信公众号，及时获取更多内容

转载本文请联系原作者获取授权，同时请注明本文来自冀颜科学网博客。
链接地址：http://blog.sciencenet.cn/blog-3291578-1066017.html

上一篇：用于聚类验证的R包：clValid
下一篇：“如何玩转生物大数据”系列：奇怪的GBMLGG，COADREAD