【r<-方案|TCGA】转换TCGA下载文件的样本ID

如果你直接在TCGA官网（现在是GDC portal）下载数据的话，下载的文件名是看起来一堆乱码的东西，如果想要将该文件映射到正确到样本ID（也称为Tumor Sample Barcode），可以使用GDC官网人员开发的R包进行转换，需要使用到的输入文件是下载的manifest文件。

安装好GenomicDataCommons包（BiocInstaller::biocLite(GenomicDataCommons)），然后将更改下方的文件路径运行即可：

manifest <- read.table("/location/gdc_manifest.txt", header = TRUE, stringsAsFactors = FALSE)

# library(GenomicDataCommons)
# library(magrittr)
file_uuids <- manifest$id
head(file_uuids)

TCGAtranslateID = function(file_ids, legacy = TRUE) {
    info = files(legacy = legacy) %>%
        filter( ~ file_id %in% file_ids) %>%
        select('cases.samples.submitter_id') %>%
        results_all()
    # The mess of code below is to extract TCGA barcodes
    # id_list will contain a list (one item for each file_id)
    # of TCGA barcodes of the form 'TCGA-XX-YYYY-ZZZ'
    id_list = lapply(info$cases,function(a) {
        a[[1]][[1]][[1]]})
    # so we can later expand to a data.frame of the right size
    barcodes_per_file = sapply(id_list,length)
    # And build the data.frame
    return(data.frame(file_id = rep(ids(info),barcodes_per_file),
                      submitter_id = unlist(id_list)))
}

res = TCGAtranslateID(file_uuids)
head(res)

参考文章：https://www.biostars.org/p/306400/