手把手教你用R语言下载TCGA数据库：TCGAbiolinks

本文首发于 ”百味科研芝士“ 微信公众号，转载请注明：百味科研芝士，Focus科研人的百味需求

点击蓝字关注我们

各位科研芝士的朋友，大家好，TCGA这块大蛋糕，不同的人总会用不同的工具来切分这个蛋糕，今天我们继续分享关于TCGA数据下载的专题，今天我们继续聊聊TCGA的江湖，在TCGA的武林里，总有一个出类拔萃的佼佼者神包——TCGAbiolinks。

TCGAbiolinks是GDC官方推荐了一款第三方工具，通过GDC官方API下载数据，保证数据的及时性和准确性，同时也提供数据整理、聚类分析、差异分析、富集分析等功能。

首先是TCGAbiolinks的安装和加载，TCGAbiolinks对于R的版本要求较高，建议在3.4以上的版本进行

下面开启你的R界面，学习该包：

1. TCGAbiolinks安装，借助BiocManager安装，前提也是你要安装好BiocManager，命令如下：

2.加载该包：

OK，可以看到没有任何问题，这也表明，我们安装并成功加载该工具包

3.下载数据，这里以急性髓性白血病为例子，首先要定义急性髓性白血病在TCGA里面的ID信息，为TCGA-AML，首先建立搜索索引：

这一步十分重要是后续操作的关键，需要输入四个参数，分别是project 代表项目ID， data.category参数需要我们输入数据集类型，比如我们下载的是转录组数据，就是写入"Transcriptome Profiling"，data.type是代表输入的为gene 表达数据，另外一个注意的点便是workflow.type, 该参数决定下载数据的类型，如上，我们下载的便是counts数据，我们还可以下载FPKM，如下：

4.建立好索引，下一步便进行数据下载，命令及其简单，使用GDCdownload命令完成下载：

结果如下，每个文件夹代表一个样本：

5.数据整理成表达矩阵：

利用GDCprepare命令和TCGAanalyze_Preprocessing命令直接将数据整理成表达矩阵，十分方便。

OK，今天的教程主要是带大家体验TCGA基于R语言的第五种数据下载方式，下期我们继续推出TCGA的第六种编程方式下载，今天的数据下载先讲到这，下期再见。

关注微信公众号：“百味科研芝士”，后台回复"biolinks"获取R包