TCGA | 借助cgdsr包下载TCGA数据

原文链接:https://mp.weixin.qq.com/s?__biz=MzAxMDkxODM1Ng==&mid=2247486492&idx=1&sn=3a7251244377fdd4b2a3aa5c8cd1131a&chksm=9b484ca7ac3fc5b1a21202cf25ff15a8eec434424aa3e48787129fa6f5e66ebe57ffcb631772&scene=21#wechat_redirect

一:什么是TCGA数据?TCGA数据有什么作用?

癌症基因组图谱(The Cancer Genome Atlas),简称为TCGA。TCGA数据库是目前最综合全面的癌症病人相关组学数据库。它旨在应用高通量的基因组分析技术,帮助人们对癌症有个更好的认知,从而提高对于癌症的预防、诊断和治疗能力。

二:什么是cgdsr包?如何下载和使用?

R语言工具包,可以下载TCGA数据。下载语句:install.packages("cgdsr")。使用时加载包的语句:library("cgdsr")。

注:R语言中下载包的通用语句为install.packages(需要下载的包)。需要用到包的通用语句为library(需要加载的包)。

三:cgdsr包的初步使用

#load cgdsr packageslibrary(cgdsr)#创建一个cgdsr对象(Create a cgdsr object)mycgds <- CGDS("http://www.cbioportal.org/")#获取cgdsr对象中存在的数据集,即所有可以研究的癌症类型名的集合(Gets the dataset that exists in the cgdsr object)all_TCGA_studies <- getCancerStudies(mycgds)#View the datasetsprint(all_TCGA_studies)

部分运行结果如下图所示:

image

从结果图中观察到数据集应该有多列,但是由于数据集过多,而列的空间又有限,结果不方便观察。为了便于观察,我们可以使用R语言中的DT包进行数据的展示。

四:什么是DT包?DT包有什么作用?

data.table包,简称DT包,是R语言中的数据可视化工具包。DT包可以将Javascript中的方法运用到R中,也能将矩阵或者数据表在网页中可视化为表格,以及其它的一些功能。下载和使用的方法与cgdsr包相同。

五:DT的初步使用

#load DT packagelibrary(DT)#以数据表的形式显示数据集(Present the data set in the form of a data table)DT::datatable(all_TCGA_studies)

部分结果如下图所示。

image

相比直接输入结果,我们可以观察到以表格形式展示出来更便于观察数据及相关信息。从表格中我们可以得出每个数据都包含cancer_study_id,name和description三列信息,分别表示研究癌症的类型,即数据集的名字简称名字全称发表的文章题目

由上图所示,我们可以清晰观察到总共有287种数据集,在实际操作中,可能并不需要研究所有的数据集,所以只需要对特定的数据集进行操作。

六:查看任意数据集的相关信息

(1)查看任意数据集的样本列表方式

#Arbitrarily select a dataset, such as stad_ tcga_ Pub#研究stad_tcga_pub需要研究的癌症类型名stad2014 <- "stad_tcga_pub"#获取特定癌症研究的可用病例列表(Get available case lists for a specific cancer study)all_tables <- getCaseLists(mycgds, stad2014)#view how many sample list methods are available in it,the result is two parameters: row and columndim(all_tables)DT::datatable(all_tables)

结果如下所示:

image

即数据集stad_tcga_pub共有11行数据,每行数据有5条相关信息。

如何只需要展示出数据的部分信息,例如只需要所有数据的前三列,可以用以下语句获取相关数据:

DT::datatable(all_tables[,1:3])

运行结果如下:

image

(2)查看任意数据集的数据形式

#获取特定癌症研究的可用基因数据(Get available genetic data profiles for a specific cancer study)all_dataset <- getGeneticProfiles(mycgds, stad2014)#以表格形式展示数据DT::datatable(all_dataset,              extensions = 'FixedColumns',              options = list(                                    dom = 't',                scrollX = TRUE,                fixedColumns = TRUE              ))

结果如下所示:

image

(3)选定数据形式及样本列表后获取感兴趣基因的信息

my_dataset <- 'stad_tcga_pub_rna_seq_v2_mrna'my_table <- "stad_tcga_pub_rna_seq_v2_mrna" #检索基因和遗传图谱的基因组图谱数据(Retrieves genomic profile data for genes and genetic profiles)#getProfileData函数的必要参数为cgdsr object---CGDS对象,genes---基因名称,geneticProfiles---需要研究的病例名称中的可用基因数据,caseList---需要研究的病例名称)BRCA1 <- getProfileData(mycgds, "BRCA1", my_dataset, my_table)#获取样本列表dim(BRCA1)#以表格形式展示数据DT::datatable(BRCA1)

(4)选定样本列表获取临床信息

#获取特定癌症研究的临床数据(Get clinical data for cancer study)clinicaldata <- getClinicalData(mycgds, my_table)#数据展示DT::datatable(clinicaldata,              extensions = 'FixedColumns',              options = list(                scrollX = TRUE,                fixedColumns = TRUE              ))

(5)综合性获取(只需要根据癌症列表选择自己感兴趣的研究数据集即可,然后选择好感兴趣的数据形式及对应的样本量。就可以获取对应的信息)

library(cgdsr)library(DT)#create a CGDS objectmycgds <- CGDS("http://www.cbioportal.org/")#指定一个数据集(Specify a dataset)mycancerstudy = 'brca_tcga' #获取特定癌症研究的可用病例列表(Get available case lists for a specific cancer study)getCaseLists(mycgds,mycancerstudy)[,1]#获取特定癌症研究的可用基因数据(Get available genetic data profiles for a specific cancer study)getGeneticProfiles(mycgds,mycancerstudy)[,1]#设置需要研究的病例名mycaselist ='brca_tcga_rna_seq_v2_mrna'  #设置需要研究的可用基因数据mygeneticprofile = 'brca_tcga_rna_seq_v2_mrna'   # Get data slices for a specified list of genes, genetic profile and case list#检索基因和遗传图谱的基因组图谱数据(Retrieves genomic profile data for genes and genetic profiles)expr=getProfileData(mycgds,c('BRCA1','BRCA2'),mygeneticprofile,mycaselist)#展示数据DT::datatable(expr)

如下图所示,即为指定基因在指定癌症的表达量。

image

获取临床数据。

#获取病例列表的临床数据(Get clinical data for the case list)myclinicaldata = getClinicalData(mycgds,mycaselist)DT::datatable(myclinicaldata,              extensions = 'FixedColumns',              options = list(                    #dom = 't',                scrollX = TRUE,                fixedColumns = TRUE              ))

(6)从cBioPortal下载点突变信息

library(cgdsr)library(DT) mycgds <- CGDS("http://www.cbioportal.org/")#突变基因名称集合mutGene=c("EGFR", "PTEN", "TP53", "ATRX")#检索基因和遗传图谱的基因组图谱数据(Retrieves genomic profile data for genes and genetic profiles.)mut_df <- getProfileData(mycgds,                          caseList ="gbm_tcga_sequenced",                          geneticProfile = "gbm_tcga_mutations",                         genes = mutGene)#Apply Functions Over Array Marginsmut_df <- apply(mut_df,2,as.factor)#数据处理(空值和NAN设置为空,如果不为空设置为MUT)mut_df[mut_df == "NaN"] = ""mut_df[is.na(mut_df)] = ""mut_df[mut_df != ''] = "MUT" #展示数据DT::datatable(mut_df)

结果如下所示:

image

(7)从cBioPortal下载拷贝数变异数据

library(cgdsr)library(DT) mycgds <- CGDS("http://www.cbioportal.org/")mutGene=c("EGFR","PTEN","TP53","ATRX")cna <- getProfileData(mycgds,                      caseList = "gbm_tcga_sequenced",                      geneticProfiles = "gbm_tcga_gistic",                      genes = mutGene)cna <- apply(cna,2,function(x)as.character(factor(x,levels=c(-2:2),                                                  labels = c("HOMDEL","HETLOSS","DIPLOID","GAIN","AMP"))))cna[is.na(cna)] = ""cna[cna=='DIPLOID']=""DT::datatable(cna)

结果如下所示:

image

(8)把拷贝数及点突变信息结合画热图

library(grid)library(ComplexHeatmap)library(cgdsr)conb <- data.frame(matrix(paste(as.matrix(cna),as.matrix(mut_df),sep = ";"),                          nrow=nrow(cna),ncol=ncol(cna),                          dimnames=list(row.names(mut_df),colnames(cna))))mat <- as.matrix(t(conb))DT::datatable((mat)) alt <- apply(mat,1,function(x)strsplit(x,";"))alt <- unique(unlist(alt))alt <- alt[which(alt !="")]alt <-c("background",alt)alter_fun = list(  background = function(x,y,w,h){    grid.rect(x,y,w-unit(0.5,"mm"),h-unit(0.5,"mm"),              gp=gpar(fill="#CCCCCC",col=NA))  },  HOMDEL = function(x,y,w,h){    grid.rect(x,y,w-unit(0.5,"mm"),h-unit(0.5,"mm"),              gp=gpar(fill="blue3",col=NA))  },  HETLOSS = function(x,y,w,h){    grid.rect(x,y,w-unit(0.5,"mm"),h-unit(0.5,"mm"),              gp=gpar(fill="cadetblue1",col=NA))  },  GAIN = function(x,y,w,h){    grid.rect(x,y,w-unit(0.5,"mm"),h-unit(0.5,"mm"),              gp=gpar(fill="pink",col=NA))  },  AMP = function(x,y,w,h){    grid.rect(x,y,w-unit(0.5,"mm"),h-unit(0.5,"mm"),              gp=gpar(fill="red",col=NA))  },  MUT = function(x,y,w,h){    grid.rect(x,y,w-unit(0.5,"mm"),h-unit(0.5,"mm"),              gp=gpar(fill="#008000",col=NA))  })col <- c("MUT"="#008000","AMP"="red","HOMDEL"="blue3",         "HETLOSS"="cadetblue1","GAIN"="pink") alt = intersect(names(alter_fun),alt)alt_fun_list <- alter_fun[alt] col <- col[alt]oncoPrint(mat=mat,alter_fun = alt_fun_list,          get_type = function(x) strsplit(x,";")[[1]],          col = col)

效果图如下所示:

image

你可能感兴趣的:(TCGA | 借助cgdsr包下载TCGA数据)