生信全书 Lesson 6.2 TCGA测序数据下载

TIP

这些是本篇文章的标签，来发现更多感兴趣的内容吧
科研
解螺旋
生信全书
测序

TCGA数据库简介

• 全称The Cancer Genome Atlas，是一个具有里程碑意义的癌症基因组学项目，启动于 2005年，2013年 12月完成了33个癌症类型、共计2万多例样本收集；2014年6月完成了所有样本基因组数据采集
• TCGA项目产生了非常庞大的数据量，有超过 2.5PB的基因组、表观基因组、转录组和蛋白质组数据，从基因、分子水平揭示了癌症的特征，提高了对癌症的诊疗和预防水平。
• TCGA的数据收集于Genomic Data Commons（GDC）数据门户网站，链接https://portal.gdc.cancer.gov/
• GDC网站收录了TCGA全部的33个projects的数据，此外还有美国国家癌症研究所NCI的其他20个项目数据
  

TCGA收录数据概要

• TCGA数据包含7种数据类型，其中6类可以开放 获取
• sequencing reads数据全部受限，simple nucleotide variation数据几乎全部受限，其他5类数据基本不受限制
  

TCGA数据检索

Cohort Builder中检索

• 进入检索界面
  • GDC网站https://portal.gdc.cancer.gov/
  • 点击”Cohort Builder”
• 举例：检索TCGA中含有生存状态信息的肝癌患者的mRNA测序count数据
• 首先进入Cohort Builder界面，选择General
  • Program——TCGA
  • Project——TCGA-LIHC
  • Demographic——VITAL STATUS 的dead和alive都选上
• 接着进入Repository界面
  • Experiment Strategy——RNA-seq
  • Access—Open

检查结果加入购物车后直接网页下载

• 这个部份根据数据量的大小，数据量<5GB的才能直接进行

使用GDC Data Transfer Tool下载

• 在MacOS上安装GDC Data Transfer Tool Client
• 下载网站：https://gdc.cancer.gov/access-data/gdc-data-transfer-tool

TCGA数据下载替代网站

UCSC Xena

• UCSC Xena是由UCSC计算基因组学实验室开发的在线数据分析和下载网站
• 数据下载页面链接：https://xenabrowser.net/datapages
• UCSC Xena存储了TCGA全部33个癌症的数据，点解GDC TCGA开头的链接即可进入下载页面。
• 优点：部分数据已经过整理，且较新；每一项数据的处理流程在数据下链接的说明文档中有具体介绍。

Firehose

• Firehose 是Broad 开发的TCGA数据在线分析和下载网站，可下载TCGA全部33个癌症数据。
• 最新的数据2016 年1月28日更新版本，数据下载页面链接：
• http://gdac.broadinstitute.org/runs/stddata__2016_01_28/
• 优点：Firehose网站TCGA测序数据已经过均一化处理和gene ID转换，可直接用来后续分析。
• 缺点：网站打开不流畅，有时打不开，取决于网络情况；部分数据未及时更新，部分数据集缺少完整临床信息，somatic mutation信息不完整等。