在上周四的直播课堂《零基础入门TCGA》，很多小伙伴全程是这样滴
看到弹幕上漂的这些，顿时轻松许多有木有
还有很多人特意跑过来给我定义了下零基础，但讲真，老师也很为难啊。SO，多刷几遍视频，有问题欢迎交流讨论。
01
TCGA
数据下载、整合及简单应用
课上以寻找神经胶质瘤差异基因为例，一步步讲解TCGA数据下载、整合及差异基因筛选方法和步骤。
ps: 课件，数据demo和代码上点原文链接下载。
由于具体操作的不可描述性，这里给大家简单梳理了一下概要，具体的看视频。
1. 数据下载
TCGA数据下载 : https://portal.gdc.cancer.gov/
工具：GDC data transfer tool
这里要下神经胶质瘤的表达数据，先在 Projects 中找到TCGA-GBM（神经胶质瘤），点击进入，选择RNA-Seq数据。
找到数据后，下载方式有两种，一种是直接加入购物，另一种是先下manifest，再用TCGA提供的GDC data transfer tool 下载。
ps:建议采用后者，因为当数据文件太大时加入购物车直接下载很容易断，而且它不支持断点续传。
使用GDC下载步骤如下，具体操作见视频。
下载下来的数据酱紫，是不是一头雾水看不懂？表达数据在哪？癌和癌旁信息呢？没关系，数据整合完之后就ok了。
2. 数据整合
数据整合： R-stutio ID转换：curl/Cygwin
数据整合用R就可以了，主要三步，一是读取各个文件夹中的数据，二是将表达数据整合到一个列表中，最后是ID转换，将文件夹名转化成TCGA的Case Submitted ID。整合完后得到下面两个文件：
表达数据整合文件
每一列就是上面的一个文件夹信息，这里已经将文件夹的名称替换成了TCGA ID。
组别信息文件
TCGA ID对应的组别信息。
具体步骤见视频。
3. 差异基因筛选
R包 : ballgown (差异分析) ggplot2（火山图） pheatmap (聚类图)
整合好数据之后就可以做差异分析了，还是用R，运行之后就可以得到差异基因表格。
ps：直接输出的表格没有做任何筛选，做后续的筛选脚本里有相应的程序，当然你也可以自己直接用excel筛选。
4.绘制火山图和聚类图
差异分析最直观的展示就是火山图和聚类图，还是用R包，火山图可以用ggplot2，聚类图用pheatmap，具体代码操作见视频，看下用demo数据（为方便演示，只用了20个样本）做好的结果。
火山图
聚类图
好了，下面就看你的了。
差异分析太基础
想要学习更高阶的TCGA数据挖掘
7月22日来南京
带你复刻TCGA大文章
还能和老师面对面交流
联系客服
