一文搞定GEO & TCGA数据下载

欢迎关注R语言数据分析指南

❝

本节来介绍如何通过代码来轻松下载「GEO & TCGA」数据；下面通过两个小栗子来进行展示

❞

下载GEO数据

加载R包

library(GEOquery)
library(tidyverse)

下载GSE33126数据

gset <- getGEO("GSE33126",getGPL = FALSE)

❝

通过命令行下载可以看到输出以下报错，如下继续操作即可

❞

错误: The size of the connection buffer (131072) was not large enough         
to fit a complete line:
  * Increase it by setting `Sys.setenv("VROOM_CONNECTION_SIZE")`

Sys.setenv("VROOM_CONNECTION_SIZE" = 131072 * 5)

保存数据

gset <- getGEO("GSE33126",getGPL = FALSE)
save(gset,file="GSE33126.rdata")

加载数据

load(file ="GSE33126.rdata")

查看数据

gset <- gset[[1]]
class(gset)
# 可以看到数据格式为ExpressionSet，此数据同时包含表达矩阵与样本信息表

清洗样本信息表

sampleinfo <- pData(gset) %>%# 提取样本信息表
  select(source_name_ch1,characteristics_ch1.1) %>% 
  rename(group = source_name_ch1,patient=characteristics_ch1.1) %>% 
  mutate_at(vars(patient),~str_split(.," ",simplify = T)[,2])

查看表达矩阵

gene_exp <- exprs(gset)

❝

通过以上代码我们轻松下载到了GEO数据，「最关键的点当然是网速了」,下面来介绍通过Python下载TCGA数据

❞

(https://github.com/vappiah/DataMiner)网址拷贝作者脚本；TCGA官网下载样本清单，运行下列几行代码即可轻松下载TCGA数据，「最关键的点当然还是网速了」

import os
os.chdir("~/Desktop/TCGA/DataMiner-main")
from tcga_downloader import *
ids=get_ids('gdc_manifest.txt')
payload=prepare_payload(ids,data_type='Gene Expression Quantification')
metadata=get_metadata(payload)
download_data(metadata,sep="\t",outdir="BRCA")

❝

感兴趣的小伙伴欢迎加入我的「付费绘图交流群」，付费99元将获取「一整年公众号所有文档的数据及代码」会同步上传，同时还会配套精美的「Markdown文档」方便各位学习，公众号右下角可添加小编微信

❞

欢迎大家扫描下方二位码加入「QQ交流群」

---

「关注下方公众号下回更新不迷路」，如需要加入微信交流群，请在菜单栏处添加作者微信，备注单位+方向+姓名即可邀您