R语言学习笔记——TCGA数据下载

The Cancer Genome Atlas (TCGA) 

下载TCGA-Assembler软件（以TCGA-Assembler.2.0.6为例）, 解压

,我的解压路径为D:\TCGA-Assembler，注意路径最好为根目录以防下载文件存储出错（见下图，源自操作手册），同时将curl.exe这个文件，复制到电脑C盘Windows文件夹的System32这个文件夹中

需要用到的R包：“RCurl", "rjson", "httr", "stringr", "HGNChelper"

--------------------------------------------------------------------------------------------------------------------

DownloadMethylationData

用法

DownloadMethylationData(cancerType, assayPlatform = NULL, tissueType = NULL, saveFolderName = ".",outputFileName = "", inputPatientIDs = NULL)

解释说明

cancerType           癌症类型以及缩写

assayPlatform      数据测得平台

tissueType             组织类型，如果有就写上去，如果没有就默认全选 

saveFolderName  数据保存位置

outputFileName   数据文件名

inputPatientIDs     TCGA上自己挑选的样本ID，一般形式为“TCGA-XX-XXXX”

--------------------------------------------------------------------------------------------------------------------

完整代码实例

##清空内存变量 -----------------------------------------------------------------

rm(list = ls())

##设置工作空间 -----------------------------------------------------------------

homedir= "D:\\TCGA-Assembler"

setwd(homedir)

##加载TCGA程序模块 -------------------------------------------------------------

source("./Module_A.R")

source("./Module_B.R")

##加载所需要的R包 --------------------------------------------------------------

library(readr)

library(HGNChelper)

library(httr)

library(RCurl)

library(rjson)

library(stringr)

##下载数据(例：GBM甲基化) ----------------------------------------------------------

Patient_ID<-read_tsv(file.choose())

vPatient_ID<-Patient_ID$`Case ID`

filename_READ_Methylation450 <- DownloadMethylationData(

                                         cancerType = "GBM", 

                                         assayPlatform = "methylation_450", 

                                         inputPatientIDs = vPatient_ID,

                                         saveFolderName = "./Methylation_450"

                                         )

--------------------------------------------------------------------------------------------------------------------

对inputPatientIDs的说明

filename_READ_Methylation450<- DownloadMethylationData(cancerType="READ",assayPlatform="methylation_450",saveFolderName="./ManualExampleData/RawData.TCGA-Assembler", inputPatientIDs=c("TCGA-EI-6884","TCGA-DC-5869","TCGA-G5-6572","TCGA-F5-6812","TCGA-AG-A01W","TCGA-AG-3731"))

当所需要的ID比较多的时候，建议去TCGA网站上下载ID文件，用read_tsv的方式来读取（如代码实例中所示）

下图为下载好的ID文件(.tsv格式) 

下载地址为：https://portal.gdc.cancer.gov/exploration?cases_offset=200&filters=%7B%22op%22%3A%22and%22%2C%22content%22%3A%5B%7B%22op%22%3A%22in%22%2C%22content%22%3A%7B%22field%22%3A%22cases.project.project_id%22%2C%22value%22%3A%5B%22TCGA-GBM%22%5D%7D%7D%5D%7D

下载如图所示：

下载文件过程中，会生成临时文件夹，"tmp_YYYYMMDDhhmmss" 名称对应信息如下：

YYYY  MM      DD   hh      mm       ss

year  month  date  hour  minute  second

下载完毕后，临时文件夹会被移除；

当下载中断时，临时文件夹不会自动移除，要手动删除