一、下载TCGA数据方法

1. 直接从官网下载数据

登陆TCGA网站：https://portal.gdc.cancer.gov

点击repository

File和Case分别选择如下

Add all files to cart

分别下载箭头处的文件

image.png

Manifest 解释文件

cart  基因文件

BioSpecimen 解释生物多样性的文件

Metadata  样本对应的文件 TCGA的ID对应

Clinical 临床信息

注意：manifest一定要进入购物车再下载，不然会出错！！！

下载manifest转译工具

下载得到这个工具

打开CMD命令行窗口，输入-h命令，可以看软件是否能使用。

把gdc-client加入环境变量

有没有发现我的这个命令很长？那是因为，我还没把这个软件加入环境变量，如果以后想在任何一个路劲简单使用gdc-client这个命令，那就需要把这个软件的路径加到环境变量。就是在Path加入刚刚软件所在的路径即可”。具体操作如下：

打开电脑控制面板——》系统和安全——》系统——》高级系统设置——》环境变量——》Path——》“加入你的gdc-client所在路径” ，然后应用保存。

打开电脑控制面板

系统和安全

系统

高级系统设置

环境变量

Path

上面配置都完成后，看下图，现在简单输入gdc-client -h 就行了。

使用gdc-client下载TCGA数据

下载方式很简单，还记得上文中下载的Manifest文件吧，然后在windows下打开cmd，并在其中输入下载命令：

gdc-client download -m gdc_manifest.2018-07-02.txt

然后就是慢慢下载了，如果中间有报错断了，一般就是网络不好的原因，重新下载或者换个时间段就行了。

最后就下载完了，一共301个文件，命令行界面和文件夹界面如下所示：

2. TCGAbiolinks包下载

首先需要配置R语言环境，具体可以百度R语言编译环境配置教程。

加载该包

library(TCGAbiolinks)#加载包

query <- GDCquery(project = "TCGA-DLBC", #选定要下载的肿瘤类型

                    data.category = "Transcriptome Profiling",#选定要下载的数据范畴

                    data.type = "Gene Expression Quantification",#选定要下载的数据类型

                    workflow.type = "HTSeq - Counts"#选定要下载RNAseq的-COUNT文件

)#这个过程和官网的筛选是差不多的，和下图的筛选是实现的同样的目的

下载数据

GDCdownload(query, method = "api", files.per.chunk = 100)

expdat <- GDCprepare(query = query)

library(SummarizedExperiment)

count_matrix=assay(expdat)

write.csv(count_matrix,file = paste("TCGA-DLBC","Counts.csv",sep = "-"))

#下载，并把文件保存