2019-12-22 Day10-14-学习 TCGA数据库单基
花了5天，把视频看完。顺便整理了一下。
IF4.5分左右
套路：TCGA数据下载，选择想要研究的基因，然后对基因ID进行转换，提取矩阵中基因表达量，然后做差异表达分析-散点图-疾病和正常或肿瘤与癌旁比较，配对的差异分析-肿瘤与癌旁，然后对TCGA临床数据进行下载和整理，生产分析与基因联合，然后临床相关性分析-与性别-分期等是否有关，然后COX分析-模型预测疾病风险-探究单基因是否可以作为预后因子，GSEA富集分析-哪些基因哪些通路调控
1数据下载
TCGA-GDC
image.png
进入download界面下载
image.png
检测CART是否有数据 有的话 清空
image.png
选择癌症类型-TCGA-Type等细分
选择Files-Data Category（转录本）-Data Type（基因表达）-Workflw Type（FPKM）-点击cart进入界面- 下载三个文件download和metadata（名字）
2数据整理
使用脚本对数据进行整理
image.png
解压到目录中（不要当前文件夹）
然后对获得的目录进行合并解压（
image.png
使用perl脚本）下载Perl
image.png
下载下面那个，然后安装
安装验证是否成功-在菜单栏cmd-输入perl -v
image.png
将脚本复制到解压后目录下
image.png
然后cmd-cd空格输入路径-输入perl 脚本名称及后缀
image.png
image.png
完成之后对新文件夹内所有目录解压，将新文件夹移动到外面。然后将meta文件和脚本拷贝到新文件夹
然后cd 空格 目录名-perl 脚本名称 meta名称-运行（时间比较长，等光标到＞之后）
3 ID转换
TCGA数据中ID第4个0开头为肿瘤样本
将之前得到到mRNA matrix.txt文件复制到第四个文件中。
human.gtf文件为gene symbol与ID对应文件，看mRNA matrix.txt中ID是否gtf中都有，没有的删除行。然后全放到一个文件下，运行脚本
cmd cd空格+路径 perl空格+脚本
image.png
image.png
4 提取单基因表达数据
对上述得到的数据，进行提取
首先对数据进行整理，如果有重复基因，对其进行取均值。
将上述得到的文件复制到文件5目录下
将脚本打开 复制命令到R中或搜索lima 安装软件
image.png
image.png
然后按要求改内容
改完之后输入R中进行运行。
5 散点差异图绘制
将单基因的数据复制大6脚本目录中
安装install.packages("beeswarm")
复制工作目录，复制单基因的数据的文件名
根据基因表达范围确定纵轴范围
复制脚本到R
6 配对差异分析
然后全放到一个文件下，运行脚本
cmd cd空格+路径Enter perl空格+脚本 Enter-得到两个文件
打开脚本，改工作目录。
复制脚本到R中进行运行。
7 临床相关性分析
临床数据下载
搜索TCGA GDC。清空Cart
点击
image.png
选择肿瘤类型
选择数据类型
image.png
因为是临床信息，所以选择最后一个
数据格式Data Format选择BCR XML
然后加入Cart中下载
image.png
将下载好的文件与10脚本放置于同一目录下
cmd cd空格+路径Enter perl空格+脚本 Enter
得到XLS文件，从中提取数据整理表格
8 生存分析
对得到的临床数据进行整理，按生存时间排序，去除未知数据，复制前三列ID 生存时间 生存状态到新建time.txt中。将单基因表达文件与脚本和新建time.txt放置到同一个目录下。
cmd cd空格+路径Enter perl空格+脚本 Enter
得到生存分析的输入文件，将其和12脚本放置同一目录下，打开R，安装软件
image.png
设置工作目录和基因名称
image.png
image.png
同时改后面year
然后将脚本复制到R中，运行
将这个命令放到最后，然后运行，得到5年生存率。
image.png
9 临床相关性分析
image.png
单基因表达量和临床文件拷贝到13脚本
整理临床数据，如按照分期，则删掉其他的，然后按分期排序，改分期太细的，按四大分然后复制到TXT中。其他临床数据分级等一样
image.png
然后cmd cd空格+路径Enter perl空格+脚本 Enter
得到临床新输入文件。
ks检验，打开14脚本，按要求修改格式
两种之间比较wilcox.test,两种以上krushal.test
image.png
然后复制14脚本到R中运行
10 逻辑回归比较
image.png
复制singleGeneClinical.txt文件到15中，打开脚本15，改相关信息，输入R
分期1为对照 分期2与分期1比 分期X与分期1比 改信息，得到OR和置信区间
image.png
image.png
然后复制到R中，得到单独比的数据
image.png
image.png
11 COX分析
独立性预后
image.png
脚本在16中。拷贝单基因表达文件singleGene，和临床信息文件clinical，以及clinical.xls。对XLS进行排序，删除缺少信息的数据，如果某个性状的unknown太多，则去除这个信息列，不然删太多行后没有样本。
对分期分级等及性别进行数字化，男1，女0。然后将处理好的数据复制到文本中，新建clinical.txt
然后cmd cd空格+路径Enter perl空格+脚本 Enter
得到coxInput.txt，COX分析输入文件
单因素COX
image.png
image.png
将coxInput.txt复制到目录中，复制17脚本到R中运行得到uniCox.xls
当基因的HR值不明显时，可log，如果基因中有0的数值，需要加1
image.png
image.png
多因素COX
单因素是单独一个一个输入，多因素一起
复制coxInput.txt到18。
打开脚本，需要安装survminer包，survival包已经安装好，然后设置，工作目录双斜杠，基因。
复制脚本到R中运行。
基因不显著的时候，可以去log。
image.png
11 GSEA分析
GSEA富集分析，主要分析这个基因通过什么通路或功能来对癌症的发生产生影响
搜索，GSEA ，download，注册下载软件
image.png
下载jre，然后下载界面中下载Java8版本的jre，然后直接安装。cmd java判断是否安装好。
输入文件：5文件中，uniquesymbol。提取基因信息。只需要肿瘤样品，删掉正常，低表达l高表达h
image.png
将文件全部放到目录19，cmd cd空格+路径Enter perl空格+脚本+基因名称Enter
获得Ch和GCT两个文件。
GSEA富集分析
将CLS和GCT和jre软件复制到20目录下
cmd cd空格+路径Enter
java- Xmx2G-jar软件名Enter ，得到界面
image.png
image.png
导入文件Ch和GCT两个文件
image.png
image.png
设施好后运行。
时间很久，结束后找到index文件
image.png
打开index，打开htm，对通路进行筛选
image.png
image.png
多GSEA富集图
image.png
节省了单GSEA的富集，如果有多条通路。21脚本
打开20的HTML的高表达和低表达的excel表，整理，FDR＞0.05的可以删掉，如果都＞0.05的只能删p值大于0.05.然后将选择的通路的excel表，全部复制到21中。
image.png
在R中安装包ggplot2.然后复制脚本到R中运行。
image.png
