为什么要写这个R包生信数据挖掘必不可少要学习TCGA数据库，但是对于新手，经常卡在第一步：下载和整理数据。第一步完成了，又会卡在第二步，第三步：差异分析，生存分析...... 对于R语言大神来说都不是问题，非常简单的R语言操作而已。但是对于初学者很难理解。 这几步操作又是必不可少的，我自己也经常需要重新下载整理数据。为了简化这几个流程，同时也是让初学者也能感受到"征服"TCGA的喜悦，我把自己常用的一些代码打包，写个R包玩玩。 安装首先安装依赖包： # 安装bioconductor上面的R包
options(BioC_mirror="https://mirrors.tuna./bioconductor")
if(!require("BiocManager")) install.packages("BiocManager")
if(!require("TCGAbiolinks")) BiocManager::install("TCGAbiolinks")
if(!require("SummarizedExperiment")) BiocManager::install("SummarizedExperiment")
if(!require("DESeq2")) BiocManager::install("DESeq2")
if(!require("edgeR")) BiocManager::install("edgeR")
if(!require("limma")) BiocManager::install("limma")
# 安装cran上面的R包
if(!require("survival")) install.packages("survival")
if(!require("broom")) install.packages("broom")
ifif(!require("devtools")) install.packages("devtools")
再安装easyTCGA包： devtools::install_github("ayueme/easyTCGA")
主要功能1行代码实现1个常见分析！
- 只需要提供正确的
TCGA project名字即可； - 自动下载并整理
mRNA和lncRNA的counts，tpm，fpkm共6种表达矩阵，以及对应的临床信息，临床信息样本顺序和表达矩阵样本顺序完全一致，无需再次整理； - 自动保存以上6种表达矩阵和临床信息到当前工作目录下的
output_mRNA_lncRNA_expr文件夹下，并且同时保存rdata和csv两种文件格式； - 下载的数据为最新数据，和
GDC TCGA官网(https://portal.gdc./)保持一致； - 支持通过手动下载的TCGA数据进行自动整理并完成以上过程，手动下载数据请参考：可能是最适合初学者的TCGA官网下载和表达矩阵整理教程
- 只需要提供正确的
TCGA project名字即可； - 自动下载并整理
miRNA的counts，rpm2种表达矩阵； - 自动保存以上2种表达矩阵到当前工作目录下的
output_miRNA_expr文件夹下，并且同时保存rdata和csv两种文件格式； - 下载的数据为最新数据，和
GDC TCGA官网(https://portal.gdc./)保持一致；
- 只需要提供正确的
TCGA project名字即可； - 自动下载并整理
TCGA MAF文件(masked annotated somatic mutation)以及对应的临床信息，并自动保存到当前工作目录下的output_snv文件夹下； - 输出结果可以直接通过
maftools::read.maf()函数读取，无需再次整理
- 与
getmrnaexpr函数无缝对接，直接使用其输出结果即可，无需任何整理； - 自动通过3个R包进行差异分析：
DESeq2, edgeR, limma， - 输出结果默认为1个
list，内含3种差异分析结果，可保存rdata格式数据到本地
- 自动对大约20000个基因进行
logrank检验和单因素cox分析，基于中位数； - 与
getmrnaexpr函数无缝对接，直接使用其输出结果即可，无需任何整理； - 支持
counts，tpm，fpkm3种格式的数据，如果是counts，则通过DESeq2::vst()进行转换，如果是tpm/fpkm，则进行log2(x + 0.1)转换；
使用注意需要自己解决网络问题，比如访问github，TCGA官网, google等，如果你无法解决网络问题，那么生信数据挖掘可能不适合你...... TO DO- 增加对
miRNA和lncRNA的差异分析和生存分析支持；
|
