TCGA数据库下载，挖掘，Xena Browser可视化

2020-06-29 本文已影响0人阿酒88

1.数据库简介：

癌症和肿瘤基因图谱（The Cancer Genome Atlas, TCGA）

于2006年启动，试图通过应用基因组分析技术，特别是采用大规模的基因组测序，将人类全部癌症的基因组变异图谱绘制出来，并进行系统分析，旨在找到所有致癌和抑癌基因的微小变异，了解癌细胞发生、发展的机制，在此基础上取得新的诊断和治疗方法，最后可以勾画出整个新型“预防癌症的策略”。

作为目前最大的癌症基因信息数据库，TCGA的全面不仅仅体现在众多癌型上，还体现在多组学数据，包括基因表达数据、miRNA表达数据、拷贝数变异、DNA甲基化、SNP Indels 。

数据库网址：https://www.cancer.gov/about-nci/organization/ccg/research/structural-genomics/tcga

推荐浏览器：Chrome, Edge, or Firefox

截止到2020年6月29日，数据库数据统计如下：

2.数据类型：

数据水平：

Level1和Level2 数据为controlled-access（限制下载），Level3有部分是controlled-access，其余是开放下载，数据level显示“Unauthorized”，则表示不能直接下载，需要先向TCGA申请使用权限。

3.数据下载：

TCGA Data Portal 及 GDC Data Transfer tool #官网推荐

Xena Browser #小编推荐

R包

RTCGA Toolbox

TCGAbiolinks

3.1 TCGA Data Portal ：

优点：数据最全，更新最快

缺点：下载数据量有限制，部分文件按照样本存储，如果下载某一个癌症的RNA数据，要下载好几百个文件，合并工作量大。

数据下载流程

TCGA数据库在数据下载有规定：Cart文件夹大于50M时，只能通过Data Transfer Tool工具进行下载。

该工具使用说明：

https://blog.csdn.net/qq_35203425/article/details/80882988

需要用命令行方式下载。

4.数据可视化：

UCSC Xena功能基因组浏览器是集分析、可视化、Galaxy与一体的新一代在线数据分析和可视化平台。

现有138个队列的1588个公共数据集包括 TCGA, ICGC, TARGET, GTEx,CCLE等都进行了标准化处理。因此不同的数据集之间可以组合比较。对任何展示的变量(不同表型病人的比较，不同基因表达的比较，突变有无的比较，甲基化水平的变化)都可以进行生存分析，绘制KM-plot，计算其对病人生存率的影响。热图可以根据任一变量排序，然后查看其它变量的变化。如根据药物处理状态排序，查看基因的表达或修饰的变化。

网址：https://xenabrowser.net/datapages/

优点：Xena操作简单，下载方便，可以下载到较新的TCGA数据；

缺点：表达数据只有log2（RSEM+1），无read_count值。无法下载到read

count值；

4.1 可视化操作-生存分析：

1.UCSC Xena-How do I make a KM plot? #生存分析

我比较懒，不想码字，大家可以按照下图1-7的步骤进行操作，如果图片显示异常可以私信我。