超详细！TCGA数据库的数据下载方法

落后分子

各位小伙伴们大家好！今天带大家学习一下数据挖掘经常用到的一个数据库——TCGA数据库的数据下载。
首先我们要知道TCGA数据库即肿瘤基因组图谱计划，是由National Cancer Institute ( NCI, 美国国家癌症研究所) 和  National Human Genome Research Institute (NHGRI, 国家人类基因组研究所) 合作建立的癌症研究项目，通过收集整理癌症相关的各种组学数据，包括基因组、转录组、表观遗传、蛋白组等各个组学，提供了一个大型的癌症研究参考数据库。TCGA数据库目前收录了33种癌症类型，涵盖的数据类型广泛，包括：Clinical、mRNA、microRNA、CopyNumber、Mutation、Protein、Methylation等。
TCGA数据库数据的下载方法有很多，我们今天主要以肝癌为例，给大家介绍两种最常用的数据下载方法，快来一起学习一下吧！
第一种方法：通过TCGA官方提供的下载工具GDC下载数据

1
登录GDC官网：https://portal.gdc.cancer.gov/
2
点击Repository



3
点击Case



4
选择TCGA、TCGA-LIHC


5
点击Files,勾选图中标记的地方



6
点击Add All Files to Cart，
点击进入Cart



7
点击Clinical下载临床信息，
点击Metadata 下载样本信息，
点击cart 下载基因文件
然后等待下载就可以了，需要注意的这样下载下来的数据文件，将每个样本放在一个单独的文件里面，因此，下载完成后我们会得到成百上千的文件，后续需要再进行读取合并。



第二种方法：通过UCSC Xena网站下载数据，这种方法更简单哦！！！

1
登录UCSC Xena官方网站https://xenabrowser.net，

点击DATA  DETS


2
跳转页面后，
下翻找到目标癌症并点击


3
选择需要要下载的数据类型
进入该癌种的页面后，我们可以看到有很多种数据，选择需要要下载的数据类型，这里我们以基因表达数据为例，可以看到这里的表达数据有三种类型，分别是Counts 、 FPKM 和FPKM-UQ ，根据需要选择对应的类型，以Counts为例，点击进入


4
点击下载链接
在这里我们可以看到这个数据详细的信息，包括队列、数据集 ID、下载链接、样品数等，点击下载链接，即可下载基因表达的RNAseq数据



小tips：
大家需要注意的是，UCSC的数据更新并不及时，如果你要下载的是最新的临床信息，还是推荐从TCGA官网下载，因为TCGA官网的临床信息一般间隔一段时间是会更新的。但如果你需要的数据是甲基化、基因表达RNAseq、拷贝数等，那就没有什么影响，因为这些数据即使TCGA官网更新，也不会发生很大的变化。
今天的分享就到这里结束了，我们下次再见啦！

本文首发于“生信大碗”公众号
转载请注明出处

蜗大牛

有空一起交流一下