TCGA数据挖掘笔记1

生信技能树2021数据挖掘线上课笔记，需要结合课程讲解服用

1. TCGA下载数据的方法
   -gdc-client（软件名）：需要写命令运行，官方下载的数据，下载的数据是零散的，每个病人的每个样本单独组织

   
   GDC.png

xml：储存单个样本的临床信息，需整理为临床信息的表格
counts：储存单个样本表达数据，需整理为表达矩阵（RNA-seq）
json文件：出现样本文件的详细信息，含有样本ID和counts文件对应的信息

样本分组.png

分组信息，病人ID前12为ID，第14-15位，<10tumor,>=10normal

-xena（网页）：在线工具，打包下载，可能会遇到网络问题；选GDC数据，可网页下载或者用R下载

-GDCRNAtools（R包）：仅适用于GDC
http://bioconductor.org/packages/devel/bioc/vignettes/GDCRNATools/inst/doc/GDCRNATools.html

2.下载并整理数据后得到表达矩阵，后进行差异分析（转录组差异分析的3个金标准R包）：
-edgeR
-DEseq2
-limma

3.转录组数据分析的起点：counts矩阵-reads计数数据

image.png

最优的选择是拿counts做分析