tcga数据下载_单基因生信分析流程（1）一文解决TCGA数据下载整理问题

文章发布于简书博客：柳叶刀与小鼠标（单基因生信分析流程（1）一文解决TCGA数据下载整理问题）

原因

在平常科研工作中，经常有师兄师姐师弟师妹问我：我现在有一个单基因，我该怎么开展生信研究？出现这个问题的原因是：（1）目前生信研究火热也逐渐受到认可（2）许多医学生在开展实验研究的同时，如果结合生信，则自己的结论和工作量更加吸引到编辑和手审稿人（3）现有的geo、TCGA或者其他免费公开数据库确实是很多研究者的第一选择。

思路

（1）下载整理临床数据、TCGA表达量
（2）单基因的差异分析或者相关分析
（3）单基因的生存分析与临床参数相关分析
（4）单基因的下游通路分析包括GO、KEGG或者通过GSEA

第一节（TCGA生存数据下载）

本节主要下载透明细胞癌KIRC的生存数据

• 加载R包

library

• 下载生存数据

<- 

我们可以看到从上到下共计有537个样本，而且该临床数据有37列。当然我们这里主要关注生存相关的信息比如生存时间和生存状态。

• 整理TCGA肾透明细胞癌的生存时间和生存状态

rm

最终得到的生存信息，其中包含样本ID，性别，OS（生存状态）、OS（生存时间）、种族、年龄、位置、分级、分期、TNM等信息

image.png

第二节 TCGA表达量下载

• 我这里以肾透明细胞KIRC为例，下载其表达量数据。

exp 

得到的count_matrix矩阵即为我们所需要的KIRC表达量矩阵。
其中每一列为一个样本，每一行为一个基因，我们看到共计56602个基因（包括mRNA和lncRNA等），611个样本（包括肿瘤和癌旁样本）

第三节：TCGA数据库的TPM计算

(

第四节：表达矩阵中提取mRNA表达矩阵

# =======================================================

第五节：删除癌旁样本和二次测序的样本

#=======================================================

第六节：保存mRNA表达矩阵

[,which