TCGAbiolinks包下载数据

近期在整理毕业论文代码，同时也看到身边很多师弟师妹对TCGA数据的下载存在疑惑，所以将本文分享给大家，有需要的可以看看！

TCGA下载的方式（我用过的）

• 生信人小盒子
• UCSC xena浏览器
• TCGA网页
• RTCGAT包
• TCGAbiolinks包

对于以上方法，我刚开始使用的是生信人小盒子，因为在写文章时的引用问题，我后来选择了TCGAbiolinks包。重要的是前段时间，该包进行了升级。主要的更新内容是：

1. more accurate and flexible pipelines for differential expression analyses.
2. different methods for tumor purity estimation and filtering.
3. integration of normal samples from other platforms.
4. support for other genomics datasets, exemplified here by the TARGET
   data.

除了上述，肿瘤纯度在肿瘤大数据挖掘中也有其重要的作用，TCGAbiolinks包可以对其进行评估，并且还可以下载到Genotype-Tissue Expression (GTEx)数据，其次在写文章时引用也不存在问题（两篇文章）。所以建议用该包下载！

TCGAbiolinks 文章1

TCGAbiolinks 文章2

TCGAbiolinks和别的方法对比

TCGAbiolinks主要功能

TCGA数据库下载：多种方法及优缺点介绍一文对各种方法进行了评估，也推荐该工具下载。该包的手册写的非常棒，如果有需要下载TCGA数据的可以认真阅读下该包的指南！

在学习该包过程中容易出现的疑问

1. TCGAbiolinks可供下载的数据有两种，一个是Harmonized数据；另一个是Legacy数据。两者的差别请见【工具】TCGAbiolinks分析TCGA数据（DEA篇）。实际上，在使用过程中，知道以下就行：Legacy数据hg19和hg18为参考基因组（老数据）而且已经不再更新了，Harmonized数据以hg38为参考基因组的数据（新数据）。
2. 你只用知道：下载转录组层面的数据使用hg38，下载DNA层面的数据使用hg19，因为比如做SNP分析的时候很多数据库没有hg38版本的数据，都是hg19的就可以了。

下载转录组数据

其实利用TCGAbiolinks下载TCGA数据的教程很多，都是千篇一律。这里推荐以下TCGA数据下载—TCGAbiolinks包参数详解，该文对TCGAbiolinks包进行了详细的解读。如果大家下载转录组数据，可以参考以下代码：

# TCGA数据的下载与整理
setwd("E:/My Master's Graduation Design/data analysis/TCGA")

library(TCGAbiolinks)
library(dplyr)
library(DT)
library(SummarizedExperiment)

getGDCprojects()$project_id  #获取TCGA中最新的不同癌种的项目号
TCGAbiolinks:::getProjectSummary("TCGA-PAAD")  #查看胰腺癌的数据类型

query <- GDCquery(project = "TCGA-PAAD",
                  legacy = FALSE, 
                  data.category = "Transcriptome Profiling",
                  data.type = "Gene Expression Quantification", 
                  workflow.type = "HTSeq - Counts")

GDCdownload(query)
TCGA_RNASeq <- GDCprepare(query, save = TRUE, save.filename = "TCGA_query.Rdata")
TCGA_counts <- assay(TCGA_RNASeq)
TCGA_counts <- as.data.frame(TCGA_counts)
colnames(TCGA_counts) <- substr(colnames(TCGA_counts),1,15) #整理样本名
save(TCGA_counts, file = "TCGA_counts.Rdata")

## 临床数据下载
TCGA_clinical <- GDCquery_clinic(project = "TCGA-PAAD", type = "clinical")
save(TCGA_clinical, file = "TCGA_clinical.Rdata")

参考资料

1. 用TCGAbiolinks从TCGA数据下载到下游分析的学习笔记
2. 【工具】TCGAbiolinks分析TCGA数据（DEA篇）
3. TCGA数据下载—TCGAbiolinks包参数详解
4. TCGABiolinks下载TCGA数据做生存分析
5. TCGAbiolinks-TCGA分析
6. TCGA数据下载—TCGAbiolinks包参数详解

欢迎大家关注我的公众号