TCGA数据库讲解与数据下载
TCGA (The cancer genome atlas)是一个非常重要的癌症数据库，其主要收录各种人类癌症（包括亚型在内的肿瘤）的临床数据，基因组变异，mRNA表达，miRNA表达，甲基化等数据，是癌症研究者很重要的数据来源。
TCGA官网：https://cancergenome.nih.gov/abouttcga/overview
01
数据等级
TCGA存储的数据可分为三个级别：
Level 1: 原始的测序数据（fasta,fastq等）
Level 2:比对好的bam文件
Level 3:为经过处理及标准化的数据
Level 1和Level 2文件很大，若要下载可使用官方提供的小工具：GDC Data Transfer Tool，然后自己重新比对来call mutation, 或者提取count data做差异表达分析（不适合懒人操作，且大多数人很难拿到权限，下面会说）。
02
数据权限
Level 1和Level 2数据为controlled-access（限制下载），Level 3有部分是controlled-access，其余是开放下载，若你想下载的数据level显示“Unauthorized”，则表示不能直接下载，需要先向TCGA申请使用权限。
比如：
理论上，限制下载的数据可以通过申请dbgap账号获得下载权限，但是申请这个账号需要NIH/NCI资格审核，且需要提供eRA account ID（在美国申请grant对应的ID），所以一般只有国外PI才可能申请通过。所以对小白来说这个基本是行不通的，小编建议还是乖乖下载3级数据。
03
三级数据下载
TCGA-3级数据下载网站主要有两个：
① TCGA官方的data-portal: portal.gdc.cancer.gov
优点：数据最全，更新最快
缺点：每个样本是一个单独的文件，如果下载某一个癌症的RNA数据，要下载好几百个文件，然后合并（嫌麻烦的往下翻，小编强力推荐方法②！！）。
下载方法介绍：
在主页搜索想要下载的癌症类型
以表达数据为例，可见LUAD共有515个case有RNA-Seq数据，点击进入。
左边可以对样本进行筛选，点击右侧数字可以下载表达数据（Exp），临床数据（Clinical）和Annotation（注释信息，可以找到样本ID对应的case，control情况）。
注意表达数据根据分为了HTSeq-Counts，HTSeq-FPKM，HTSeq-FPKM-UQ三种类型，Counts是数据后台没有处理的原始表达量，而FPKM和FPKM-UQ是两种数据标准化处理后的数据，一般差异表达下载counts，下载所有样本后合并，用DESeq即可。
FPKM，FPKM-UQ计算方法：
② Firehose服务器：gdac.broadinstitute.org
优点：数据也来源于 portal.gdc.cancer.gov，但是将同一种癌症、同种类型的数据合并到了一起，超级方便，一键下载，无需合并数据。
下载方法介绍：
点击LUAD对应的Data-Browse
稍等片刻，会弹出LUAD项目所有样本合并后的3级数据，需要什么数据点击文本即可下载，非常方便快捷。当然也可以下载临床数据等，各取所需了。
今天小编就为大家介绍这么多，当然还有其他下载方法，以及一些TCGA在线分析工具，不需要下载数据即可进行分析，小编下次再给大家介绍喽。
生信草堂
将会与更多的优秀微信公众号合作，把最优秀的微信推文呈现给大家，希望可以帮助读者更多的了解生信技术，培养和提高读者的生信分析能力！
号外，号外，号外
你想和生信分析大神做好朋友么？
你想认识更多爱好生信分析的小伙伴么？
你想让自己的生信分析走上快车道么？
那就赶快加入我们的微信群吧：生信草堂交流群
或加我们的微信，请标注“加入生信草堂”，我们会把您拉入我们的社区：Edison686868；mly-1800