使用 TCGAbiolinks 包从 GDC 下载和准备 TCGA 数据

本教程将指导您使用 R 中的 TCGAbiolinks 包从基因组数据共享平台 (GDC) 下载和准备 TCGA 数据。

1. 获取项目信息

首先，使用 'getProjectSummary()' 函数获取有关您感兴趣的 TCGA 项目的信息。例如，要获取有关胶质母细胞瘤 (GBM) 项目的信息，请使用以下代码：

# 获取 GBM 项目的摘要信息
summar <- TCGAbiolinks:::getProjectSummary('TCGA-GBM')

# 查看可用项目的列表
TCGAbiolinks:::getGDCprojects()$project_id

2. 创建查询

接下来，使用 'GDCquery()' 函数创建一个查询，以指定要下载的数据。例如，要下载所有 GBM 项目的 RNA 测序数据，请使用以下代码：

# 创建一个查询以下载 GBM 项目的 RNA 测序数据
query <- GDCquery(project = 'TCGA-GBM',
                   data.category = 'Transcriptome Profiling',
                   data.type = 'Gene Expression Quantification',
                   workflow.type = 'HTSeq - Counts')

3. 准备下载

创建查询后，使用 'GDCprepare()' 函数准备下载的数据。此函数将 'GDCquery' 对象作为参数，并返回一个包含下载数据所需信息的 'GDCprepare' 对象。

# 准备下载的数据
query <- GDCprepare(query)

'GDCprepare()' 函数执行以下操作：

下载元数据： 下载有关所选数据的文件大小、md5 校验和和其他相关信息。
数据子集： 如果查询中指定了任何过滤器，则 'GDCprepare()' 函数将把数据子集化，以仅下载与过滤器匹配的文件。
预处理： 'GDCprepare()' 函数可以执行一些预处理步骤，例如解压缩文件和转换文件格式。

4. 下载数据

准备下载后，使用 'GDCdownload()' 函数下载数据。

# 下载数据
GDCdownload(query)

结论

'GDCprepare()' 函数是 TCGAbiolinks 包中的一个重要函数，它可以帮助用户准备下载数据的元数据，并执行一些预处理步骤，以便数据可以在后续分析中使用。