使用R语言的cgdsr包获取TCGA数据
前些天被TCGA的终结新闻刷屏，但是一直比较忙，还没来得及仔细研读，但是笔记本躺着的一些TCGA教程快发霉了，借此契机好好整理一下吧，预计二十篇左右的笔记
——jimmy
TCGA数据源
查看有多少不同的癌症数据集
查看任意数据集的样本列表方式
查看任意数据集的数据形式
选定数据形式及样本列表后获取感兴趣基因的信息
选定样本列表获取临床信息
综合性获取
从cBioPortal下载点突变信息
从cBioPortal下载拷贝数变异数据
把拷贝数及点突变信息结合画热图
同理还可以下载所有其它TCGA的数据进行后续分析。
TCGA数据源
众所周知,TCGA数据库是目前最综合全面的癌症病人相关组学数据库，包括的测序数据有：
DNA Sequencing
miRNA Sequencing
Protein Expression
mRNA Sequencing
Total RNA Sequencing
Array-based Expression
DNA Methylation
Copy Number
知名的肿瘤研究机构都有着自己的TCGA数据库探索工具，比如：
Broad Institute FireBrowse portal, The Broad Institute
cBioPortal for Cancer Genomics, Memorial Sloan-Kettering Cancer Center
TCGA Batch Effects, MD Anderson Cancer Center
Regulome Explorer, Institute for Systems Biology
Next-Generation Clustered Heat Maps, MD Anderson Cancer Center
其中cBioPortal更是被包装到R包里面：http://www.cbioportal.org/cgds_r.jsp
这里就介绍如何使用R语言的cgdsr包来获取任意TCGA数据吧。
查看有多少不同的癌症数据集
cBioPortal是按照发表文章的方式来组织TCGA数据的，当然，里面也还有很多非TCGA的数据集，所有的数据集如下所示：
library(cgdsr)library(DT)
# Get list of cancer studies at server## 获取有哪些数据集
mycgds <- CGDS("http://www.cbioportal.org/public-portal/")
all_TCGA_studies <- getCancerStudies(mycgds)
#all_TCGA_studies[1:3, 1:2]#write.csv(all_TCGA_studies,paste0(Sys.time(),"all_TCGA_studies.csv"),row.names = F)
DT::datatable(all_TCGA_studies)也可以去网站上面查看这些数据集的详细信息：http://www.cbioportal.org/data_sets.jsp
查看任意数据集的样本列表方式
上表的cancer_study_id其实就是数据集的名字，我们任意选择一个数据集，比如stad_tcga_pub ，可以查看它里面有多少种样本列表方式。
stad2014 <- "stad_tcga_pub"
## 获取在stad2014数据集中有哪些表格（每个表格都是一个样本列表）
all_tables <- getCaseLists(mycgds, stad2014)
dim(all_tables) ## 共11种样本列表方式## [1] 11 5DT::datatable(all_tables[,1:3])查看任意数据集的数据形式
## 而后获取可以下载哪几种数据，一般是mutation，CNV和表达量数据all_dataset <- getGeneticProfiles(mycgds, stad2014)
DT::datatable(all_dataset,
extensions = 'FixedColumns',
options = list( #dom = 't',
scrollX = TRUE,
fixedColumns = TRUE
))一般来说，TCGA的一个项目数据就几种，如下：
选定数据形式及样本列表后获取感兴趣基因的信息
my_dataset <- 'stad_tcga_pub_rna_seq_v2_mrna'
my_table <- "stad_tcga_pub_rna_seq_v2_mrna"
BRCA1 <- getProfileData(mycgds, "BRCA1", my_dataset, my_table)
dim(BRCA1)## [1] 265 1DT::datatable(BRCA1)样本个数差异很大，不同癌症热度不一样。
选定样本列表获取临床信息
## 如果我们需要绘制survival curve，那么需要获取clinical数据clinicaldata <- getClinicalData(mycgds, my_table)
DT::datatable(clinicaldata,
extensions = 'FixedColumns',
options = list( #dom = 't',
scrollX = TRUE,
fixedColumns = TRUE
))综合性获取
只需要根据癌症列表选择自己感兴趣的研究数据集即可，然后选择好感兴趣的数据形式及对应的样本量。就可以获取对应的信息：
library(cgdsr)
library(DT)
mycgds <- CGDS("http://www.cbioportal.org/public-portal/")
## mycancerstudy = getCancerStudies(mycgds)[25,1]
mycancerstudy = 'brca_tcga'
getCaseLists(mycgds,mycancerstudy)[,1]## [1] "brca_tcga_3way_complete" "brca_tcga_all"
## [3] "brca_tcga_protein_quantification" "brca_tcga_sequenced"
## [5] "brca_tcga_cna" "brca_tcga_methylation_hm27"
## [7] "brca_tcga_methylation_hm450" "brca_tcga_mrna"
## [9] "brca_tcga_rna_seq_v2_mrna" "brca_tcga_rppa"
## [11] "brca_tcga_cnaseq"getGeneticProfiles(mycgds,mycancerstudy)[,1]## [1] "brca_tcga_rppa"
## [2] "brca_tcga_rppa_Zscores"
## [3] "brca_tcga_protein_quantification"
## [4] "brca_tcga_protein_quantification_zscores"
## [5] "brca_tcga_gistic"
## [6] "brca_tcga_mrna"
## [7] "brca_tcga_mrna_median_Zscores"
## [8] "brca_tcga_rna_seq_v2_mrna"
## [9] "brca_tcga_rna_seq_v2_mrna_median_Zscores"
## [10] "brca_tcga_linear_CNA"
## [11] "brca_tcga_methylation_hm450"
## [12] "brca_tcga_mutations"mycaselist ='brca_tcga_rna_seq_v2_mrna'
mygeneticprofile = 'brca_tcga_rna_seq_v2_mrna'
# Get data slices for a specified list of genes, genetic profile and case liste
xpr=getProfileData(mycgds,c('BRCA1','BRCA2'),mygeneticprofile,mycaselist)
DT::datatable(expr)是不是很简单就得到了指定基因在指定癌症的表达量哦
# Get clinical data for the case listmyclinicaldata = getClinicalData(mycgds,mycaselist)
DT::datatable(myclinicaldata,
extensions = 'FixedColumns',
options = list( #dom = 't',
scrollX = TRUE,
fixedColumns = TRUE
))## Warning in instance$preRenderHook(instance): It seems your data is too
## big for client-side DataTables. You may consider server-side processing:
## http://rstudio.github.io/DT/server.html从cBioPortal下载点突变信息
library(cgdsr)library(DT)
mycgds <- CGDS("http://www.cbioportal.org/public-portal/")
mutGene=c("EGFR", "PTEN", "TP53", "ATRX")
mut_df <- getProfileData(mycgds,
caseList ="gbm_tcga_sequenced",
geneticProfile = "gbm_tcga_mutations",
genes = mutGene
)
mut_df <- apply(mut_df,2,as.factor)
mut_df[mut_df == "NaN"] = ""
mut_df[is.na(mut_df)] = ""
mut_df[mut_df != ''] = "MUT"
DT::datatable(mut_df)从cBioPortal下载拷贝数变异数据
把拷贝数及点突变信息结合画热图
下面的函数，主要是配色比较复杂，其实原理很简单，就是一个热图。
library(ComplexHeatmap)代码不好排版，如下：
出图如下：