上期介绍了若干种获取TCGA数据的方法,今天这期会落点于TCGA2STAT这个R包的介绍上,一步步的来说明下载方法,哪些数据是可以下载到的。
R包的下载
install.packages("TCGA2STAT")
选择如何的镜像,咱们在中国,就选择china,这样的话下载速度会很快,也容易安装R包成功。
可下载的数据
1、 RNASeq ,默认是count类型,是指下载raw read counts数据。可以改为RPKM,是指下载normalized read counts数据 (reads per
kilobase per million mapped reads)。
2、RNASeq2,是指来自the second pipeline的RNASeq基因数据。
3、miRNASeq,默认为count,是指下载raw read counts数据;可以改为rpmmm,是指下载normalized read counts。
4、Mutation,默认为smoatic,是指non-silent somatic mutations 数据;改为all,表示为all mutations数据。
5、Methylation,默认为来自platform为27K;platform可改为450K。
6、CNA_CGH,默认为415K,是指CGH Custom Microarray 2x415K ;可改为244A,是指 CGH Microarray。
7、mRNA_Array,默认为G450,是指Agilent 244K Custom Gene Expression G4502A ;可改为U133,只指Affymetrix Human Genome U133A 2.0 Array;还可以改为Huex,是指Affymetrix Human Exon 1.0。
下载格式
getTCGA(disease = "GBM", data.type = "RNASeq2", type = "", filter = "Y",
p = getOption("mc.cores", 2L), clinical = FALSE, cvars = "OS")
上面的参数的值都为默认情况下的,disease包括了33种,"ACC", "BLCA", "BRCA", "CESC", "CHOL", "COAD", "COADREAD", "DLBC","ESCA", "FPPP", "GBM", "GBMLGG", "HNSC", "KICH", "KIPAN", "KIRC", "KIRP", "LAML", "LGG","LIHC", "LUAD", "LUSC", "MESO", "OV", "PAAD", "PCPG", "PRAD", "READ", "SARC", "SKCM","STAD", "TGCT", "THCA", "THYM", "UCEC", "UCS", and "UVM"。
根据TCGA官网给出的图,介绍了目前收集到的数据情况:
TCGA中各个癌症的数据
纵轴表示收集到的病例数。
- 下面来举一个例子来说明数的下载:
library(TCGA2STAT)
BRCA <- getTCGA(disease = "BRCA", data.type
= "RNASeq",type = "count", clinical=TRUE)
如果在win系统下,会报错:
Error: TAR is not installed in the system. Data unzip failed.
谷歌查到说需要安装Cygwin软件,然后通过R语言命令来加载,而且每次使用都必须做加载,命令如下:
Sys.setenv(TAR="D:/cygwin64/bin/tar",R_GZIPCMD="D:/cygwin64/bin/gzip")
个人见解
TCGA2STAT这个包下载数据效果太差,不稳定,时常没法下载完就中断了,及其不稳定。也许你所在地方刚好能很好的下载也说不定。
网友评论