如何只下载TCGA肿瘤或正常标本的count

其实有很多教程指导怎么下载count，最简单当然还有xena，但是我们知道TCGA的肿瘤样本中包括了肿瘤了正常样本，而且有些样本还是重复的，所以需要去重，还需要把肿瘤和正常过滤，现在推荐一下我自己摸索的一个办法
使用的是GDCRNATools，这个包可以下载RNA、miRNA和lncRNA，数据也是count，有人说能不能下载FPKM或者TPM，其实count才是最原始的，自己找一个包转换成TPM不就好了吗

第一步，下载所有的count

### GDCRNATools是Bioconductor的包,所以先安装
if (!requireNamespace("BiocManager", quietly = TRUE))
    install.packages("BiocManager")
BiocManager::install("GDCRNATools")
#### 
#加载GDCRNATools
library(GDCRNATools)
#比如我要下载膀胱癌的数据，项目是TCGA-BLCA
gdcRNADownload(project.id     = 'TCGA-BLCA', #参数项目id
               data.type      = 'RNAseq', #也可改为miRNAs
               directory      = 'GDCRNATOOLS/TCGA-BLCA/RNAseq') #自己要保存的路径，当然也可以自己提前设置号

这一步完成了以后，自己保存的路径会生成几个包括gdc-client的文件，其实就是调用这个去下载，最终生成一个Data的文件夹，里面可能有几百个子文件夹，每一个文件夹里面就是一个样本，下载完全取决于你的网速。

第二步，数据预处理

### 首先用gdcParseMetadata（）函数构建一个meta的表格
meta<- gdcParseMetadata(project.id = 'TCGA-BLCA',
                                   data.type  = 'RNAseq', 
                                   write.meta = F)
### 可以看到有433个样本
### 然后就是过滤样本，gdcFilterDuplicate函数过滤重复的样本、gdcFilterSampleType函数过滤非肿瘤非正常组织
meta<- gdcFilterDuplicate(meta)  # Removed 6 samples，去掉了6个
meta <- gdcFilterSampleType(meta)

然后可以发现gdcFilterDuplicate函数可以过滤掉重复的样本，但是gdcFilterSampleType函数却没有过滤，所以关键就是这一步了，因为后续融合数据其实就是要调用这个meta，然后我就想到了一个最简单的办法
可以看到meta里面有个sample_type，下面只有PrimaryTumor和SolidTissueNormal，这样我们可以使用subset(函数)来过滤了

tumor<-subset(meta,sample_type!="SolidTissueNormal")
normal<-subset(meta,sample_type!="PrimaryTumor")

第三步，融合数据，gdcRNAMerge函数

#### 合并 RNAseq数据
### 所有的样本count
count <- gdcRNAMerge(metadata  = meta, 
                         path      = 'TCGA-BLCA/RNAseq/', 
                         data.type = 'RNAseq')
### 肿瘤样本count
tumor_count <- gdcRNAMerge(metadata  = tumor, 
                         path      = 'TCGA-BLCA/RNAseq/', 
                         data.type = 'RNAseq')
### 正常样本count
normal_count <- gdcRNAMerge(metadata  = normal, 
                         path      = 'TCGA-BLCA/RNAseq/', 
                         data.type = 'RNAseq')

然后write.csv()保存就OK了