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

第一篇目录

• 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。

正文 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 5 DT::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 1 DT::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：