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