为什么要写这个R包

生信数据挖掘必不可少要学习TCGA数据库，但是对于新手，经常卡在第一步：下载和整理数据。第一步完成了，又会卡在第二步，第三步：差异分析，生存分析......

有人会说XENA有整理好的数据，但这些数据下载后并不能直接用，还是要整理，初学者依然会卡在第一步！

对于R语言大神来说都不是问题，非常简单的R语言操作而已。但是对于初学者很难理解。

这几步操作又是必不可少的，我自己也经常需要重新下载整理数据。为了简化这几个流程，同时也是让初学者也能感受到"征服"TCGA的喜悦，我把自己常用的一些代码打包，写了这个R包。

图片

使用注意

需要自己解决网络问题，比如访问github，TCGA官网, google等，如果你无法解决网络问题，那么生信数据挖掘可能不适合你......基本上你常见的生信数据库资源都是国外的，由于众所周知的原因，国外的数据很难下载，网络问题我帮不了你。

安装

首先安装依赖包：

# 安装bioconductor上面的R包# 首先要改镜像，下面是清华的镜像，有时会有问题，可更改其他镜像试试（自己百度下喽~）options(BioC_mirror="https://mirrors.tuna.tsinghua.edu.cn/bioconductor")if(!require("BiocManager")) install.packages("BiocManager")if(!require("TCGAbiolinks")) BiocManager::install("TCGAbiolinks")if(!require("SummarizedExperiment")) BiocManager::install("SummarizedExperiment")if(!require("DESeq2")) BiocManager::install("DESeq2")if(!require("edgeR")) BiocManager::install("edgeR")if(!require("limma")) BiocManager::install("limma")# 安装cran上面的R包if(!require("survival")) install.packages("survival")if(!require("broom")) install.packages("broom")if(!require("devtools")) install.packages("devtools")if(!require("reshape2")) install.packages("reshape2")if(!require("data.table")) install.packages("data.table")if(!require("ggplot2")) install.packages("ggplot2")if(!require("ggpubr")) install.packages("ggpubr")

再安装easyTCGA包：

devtools::install_github("ayueme/easyTCGA")

主要功能

解决TCGA（GTEx）数据下载和整理问题，顺便实现一些常见的分析和可视化

getmrnaexpr

只需要提供正确的TCGA project名字即可；自动下载并整理mRNA和lncRNA的counts，tpm，fpkm共6种表达矩阵（直接从官网的原始数据提取，未进行任何修改，所以是没有经过log转换的），以及对应的临床信息，临床信息样本顺序和表达矩阵样本顺序完全一致，无需再次整理；自动保存以上6种表达矩阵和临床信息到当前工作目录下的output_mRNA_lncRNA_expr文件夹下，并且同时保存rdata和csv两种文件格式；下载的数据为最新数据，和GDC TCGA官网保持一致；支持通过手动下载的TCGA数据进行自动整理并完成以上过程（可参考b站教程：easyTCGA：1行代码整理TCGA的6种表达矩阵和临床信息）lncRNA鉴别参考：Biotypes (ensembl.org)

getmrnaexpr_xena

用于XENA网站下载的TCGA基因表达数据和临床信息的整理（仅限gdchub）；直接提供文件名即可，比如：TCGA-ACC.htseq_counts.tsv.gz, TCGA-ACC.htseq_fpkm.tsv.gz，TCGA-ACC.GDC_phenotype.tsv.gz, TCGA-ACC.survival.tsv；自动保存mRNA、lncRNA表达矩阵和临床信息到当前工作目录下的output_mRNA_expr_xena文件夹下；id转换使用gtf 22，和XENA保持一致；（单独使用XENA的表达谱数据和直接用GDC官网数据相比没有任何优势）

getmirnaexpr

只需要提供正确的TCGA project名字即可；自动下载并整理miRNA的counts，rpm2种表达矩阵；自动保存以上2种表达矩阵和对应的临床信息到当前工作目录下的output_miRNA_expr文件夹下，并且同时保存rdata和csv两种文件格式；下载的数据为最新数据，和GDC TCGA官网保持一致

getsnvmaf

只需要提供正确的TCGA project名字即可；自动下载并整理TCGA MAF文件(masked somatic mutation)以及对应的临床信息，并自动保存到当前工作目录下的output_snv文件夹下；输出结果可以直接通过maftools::read_maf()函数读取，无需再次整理

getcnv

只需要提供正确的TCGA project名字即可；自动下载并整理copy number variation数据；数据保存到当前工作目录下的output_cnv文件夹下；下载的数据为最新数据，和GDC TCGA官网保持一致

getmethybeta

只需要提供正确的TCGA project名字即可；自动下载并整理450K的DNA methylation的beta值矩阵，以及对应的临床信息，数量和顺序完全一致，无需再次整理；自动整理探针信息，比如探针对应的gene symbol等，基于GRCh 38；数据保存在当前工作目录下的output_methy文件夹下；下载的数据为最新数据，和GDC TCGA官网保持一致（注意！！！整理甲基化数据需要在线下载很多数据，对网络要求很高！）

getclinical

下载XML格式的临床数据，包括各种常见的临床信息，如生存信息、病理分期、放化疗数据、化疗药物数据等与GDC TCGA官网数据保持一致只需要提供正确的TCGA project名字即可（注意！！！TCGA的临床数据分为很多种，可参考TCGA临床数据（化疗数据、用药反应等）和生存信息（4种临床结局）整理）

getpancancer_xena

实现对泛癌数据的整理，支持TCGA、GTEx，以及整合TCGA+GTEx原始文件是从XENA下载的；只需提供相应的表达矩阵文件和样本信息文件即可 本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。