TCGA | 借助cgdsr包下载TCGA数据
2020-12-16 本文已影响0人
淇酱酱爱吃棒棒鸡
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，名字全称和发表的文章题目。
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
