用RTCGA包下载TCGA数据

所有的学习都是从模仿开始的，所以我又开始跟着小洁老师继续学习了。知识是日积月累的，希望自己走的每一步都是扎实的。

1.下载包及引用数据

#下载包和引用包
if (!require(RTCGA))BiocManager::install("RTCGA")
if (!require(RTCGA.miRNASeq))BiocManager::install("RTCGA.miRNASeq")
if (!require(RTCGA.clinical))BiocManager::install("RTCGA.clinical")
library(RTCGA.miRNASeq)
 KIRC.miRNASeq[1:10,1:4]#使用KIPC的数据集

让我们看看他的结构长什么样，与别的方法对比一下是否一样

KIPC.miRNASeq

expr1 <- expressionsTCGA(KIRC.miRNASeq)#处理数据
dim(expr1)#计算维度
#[1] 1779 1049
expr1[1:10,1:4]#查看部分结构

expr1[1:10,1:4]

结合 图KIRC.miRNASeq以及expr1[1:10,1:4]发现：
从第三列开始是miRNA表达量
每三行是一个样本的信息，而我们做数据只需要read_count
expressionsTCGA()函数处理后行名丢失,需要补充回去

2.整理为表达矩阵

根据上面发现的结果，取3至ncol()列，每三行取第一行，补上行名

expr2 = expr1[seq(1, nrow(expr1), by = 3), 3:ncol(expr1)]
dim(expr2)
#> [1]  593 1047
expr2[1:4,1:4]
#> # A tibble: 4 x 4
#>   `hsa-let-7a-1` `hsa-let-7a-2` `hsa-let-7a-3` `hsa-let-7b`
#>                                        
#> 1 5056           10323          5429           17908       
#> 2 14503          29238          14738          37062       
#> 3 8147           16325          8249           28984       
#> 4 7138           14356          7002           6909
#此时表达量均为字符型，改为数值型
 expr2 = apply(expr2, 2, as.numeric)
#Warning message:
#In apply(expr2, 2, as.numeric) : 强制改变过程中产生了NA
#行名补回去
rownames(expr2) = rownames(KIRC.miRNASeq)[seq(1, nrow(KIRC.miRNASeq), by = 3)]
expr = t(expr2)#转换行列
expr = na.omit(expr)#过滤NA
expr[1:4,1:4]

expr[1:4,1:4]

3.过滤低表达量的miRNA

过滤的标准：在10个以上样本中表达量>1，x>1返回逻辑值，sum()函数处理逻辑值向量，返回结果为TRUE的个数。

dim(expr)
#> [1] 1046  593
expr = expr[apply(expr, 1, function(x) {
sum(x > 1) > 10
}), ]
dim(expr)
#> [1] 552 593  #过滤掉454个miRNA

三.处理临床信息

library(RTCGA.clinical)
clinical <- KIRC.clinical
dim(clinical)
#> [1]  537 2809
#从2809列中跳出想要的列
clinical = clinical[c(
  'patient.bcr_patient_barcode',
  'patient.vital_status',
  'patient.days_to_death',
  'patient.days_to_last_followup',
  'patient.race',
  'patient.age_at_initial_pathologic_diagnosis',
  'patient.gender' ,
  'patient.stage_event.pathologic_stage'
)]
rownames(clinical) <- NULL
clinical <- tibble::column_to_rownames(clinical,var = 'patient.bcr_patient_barcode')#把指定的列转换为行名
rownames(clinical) <- stringr::str_to_upper(rownames(clinical))#实现大小写的转换
dim(clinical)
#> [1] 537   7
clinical[1:4,1:4]

2809列的原始临床数据

![clinical[1:4,1:4]](https://upload-images.jianshu.io/upload_images/21455872-
ee54529bb1d01537.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)
保存数据

save(expr,file = "expr.Rda") 
save(clinical,file = "clinical.Rda") 

注：通过RTCGA包得到的数据并不是最新的，只是为了方便我学习和对比TCGA-biolinks包下载的数据。
结果：运用RTCGA包，我们获取到了miRNA表达矩阵和临床信息。表达矩阵中有593个样本，553个miRNA信息（过滤后的）。临床信息有537个样本，7个临床特征。

参考文章：TCGA-5.使用RTCGA包获取数据