如何通過GDC Legacy Archive下載TCGA原始數(shù)據(jù)

本篇內(nèi)容主要講解“如何通過GDC Legacy Archive下載TCGA原始數(shù)據(jù)”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實(shí)用性強(qiáng)。下面就讓小編來帶大家學(xué)習(xí)“如何通過GDC Legacy Archive下載TCGA原始數(shù)據(jù)”吧!

在2016年之前，TCGA項(xiàng)目的相關(guān)結(jié)果文件存放在CGhub和TCGA Data Coordinating Center簡稱DCC提供的TCGA Data Portal中，當(dāng)時(shí)的結(jié)果是以hg19或者h(yuǎn)g18為參考得到的。

在DCC中，將數(shù)據(jù)劃分為了3個(gè)等級(jí)。level 1代筆原始的，未經(jīng)處理的數(shù)據(jù)的，比如芯片下機(jī)數(shù)據(jù)；level2 代表處理的中間結(jié)果，比如測序深度對(duì)應(yīng)的wig文件；level 3 代表處理完成后的最終結(jié)果，比如基因的定量結(jié)果。

2016年之后，CGhub和DCC相繼關(guān)閉，所有的數(shù)據(jù)統(tǒng)一遷移到現(xiàn)在用的GDC數(shù)據(jù)庫，而且通過GDC的pipeline將原有的結(jié)果轉(zhuǎn)換為hg38參考基因組版本。目前在GDC中檢索到的結(jié)果都是經(jīng)過了GDC pipeline處理過后的，從這里也可以看出，遷移到hg38是一個(gè)大的趨勢。

當(dāng)然目前使用hg19的還是挺多的，如果你需要基于hg19版本的TCGA數(shù)據(jù)，在GDC中也可以找到。其實(shí)GDC中的數(shù)據(jù)可以分為以下兩個(gè)部分

1. GDC harmonized data

2. GDC legacy archive

   
   

在R包TCGAbiolinks中，介紹了二者的區(qū)別，如下圖所示

第一部分就是默認(rèn)使用的基于hg38版本的數(shù)據(jù)，第二部分則是對(duì)原始的TCGA結(jié)果的一個(gè)存儲(chǔ)，通過GDC首頁的GDC APPs, 可以找到CDC Legacy Archive的入口，鏈接如下

https://portal.gdc.cancer.gov/legacy-archive

在左側(cè)的面板可以根據(jù)相關(guān)屬性對(duì)Cases和Files進(jìn)行篩選，Cases相關(guān)的屬性如下

Files相關(guān)的屬性如下

數(shù)據(jù)的下載方式和前面文章中介紹的相同，這里不贅述，從文件名稱可以看到對(duì)應(yīng)的level, 不同level的文件示意如下

1. level1

通過Data Type為Raw intensitites進(jìn)行篩選，得到芯片的原始數(shù)據(jù), 示意如下

2.  level2

通過Data Type為Coverage WIG進(jìn)行篩選，得到比對(duì)的測序深度數(shù)據(jù), 示意如下

3. level3

通過Data Type為miRNA gene quantification進(jìn)行篩選，得到miRNA表達(dá)定量數(shù)據(jù), 示意如下

通過GDC Legacy Archive， 可以找到基于hg19的數(shù)據(jù)結(jié)果文件，但是由于相關(guān)的網(wǎng)站已經(jīng)關(guān)閉，無法確認(rèn)該數(shù)據(jù)分析的pipieline等細(xì)節(jié)信息，所以需要謹(jǐn)慎使用。

到此，相信大家對(duì)“如何通過GDC Legacy Archive下載TCGA原始數(shù)據(jù)”有了更深的了解，不妨來實(shí)際操作一番吧！這里是億速云網(wǎng)站，更多相關(guān)內(nèi)容可以進(jìn)入相關(guān)頻道進(jìn)行查詢，關(guān)注我們，繼續(xù)學(xué)習(xí)！