1行代码提取6种TCGA表达矩阵和临床信息

本文首发于公众号：医学和生信笔记

“
医学和生信笔记，专注R语言在临床医学中的使用，R语言数据分析和可视化。主要分享R语言做医学统计学、meta分析、网络药理学、临床预测模型、机器学习、生物信息学等。

之前的2行代码提取表达矩阵由于大家的R语言水平参差不齐，导致很多新手会报错，于是我把前面的代码打包为一个脚本，1行代码就可以了！

脚本已上传到QQ群，需要的小伙伴加群下载即可~

只需要1行代码就可以获取分别获取mRNA和lncRNA的counts/fpkm/tpm总计6种类型类型的表达矩阵以及临床信息，表达矩阵是标准形式，行是基因，列是样本，行名是gene symbol。

“
使用这种方法有4个前提条件：

TCGAbiolinks包的版本必须要在2.25.1以上

需要使用TCGAbiolinks下载的数据或者按照这个教程下载的数据：可能是最适合初学者的TCGA下载教程

必须按照这篇教程构建正确的路径：手动下载的TCGA数据也可以用TCGAbiolinks包整理

脚本必须和GDCdata放在一个路径下

使用方法

加载需要的R包：

library(TCGAbiolinks)
library(SummarizedExperiment)
library(tidyverse)

加载脚本"getTCGAexpr.r"，这个脚本必须和GDCdata位于同一个位置。

加载这个脚本：

source("getTCGAexpr.r")

使用函数，需要提供TCGA的癌症简称，比如：TCGA-LUSC。

getTCGAexpr(project = "TCGA-LUSC")

##--------------------------------------
##o GDCquery: Searching in GDC database
##--------------------------------------
##Genome of reference: hg38
##--------------------------------------------
##oo Accessing GDC. This might take a while...
##--------------------------------------------
##ooo Project: TCGA-LUSC
##--------------------
##oo Filtering results
##--------------------
##ooo By data.type
##ooo By workflow.type
##----------------
##oo Checking data
##----------------
##ooo Checking if there are duplicated cases
##ooo Checking if there are results for the query
##-------------------
##o Preparing output
##-------------------
##|=====================================================|100%                      ##Completed after 16 s 
##Starting to add information to samples
## => Add clinical information to samples
## => Adding TCGA molecular information from marker papers
## => Information will have prefix 'paper_' 
##lusc subtype information from:doi:10.1038/nature11404
##Available assays in SummarizedExperiment : 
##  => unstranded
##  => stranded_first
##  => stranded_second
##  => tpm_unstrand
##  => fpkm_unstrand
##  => fpkm_uq_unstrand
##=> Saving file: output_expr/TCGA-LUSC_expr.rdata
##=> File saved

全程不到一分钟即可！

完成后会在当前目录多出一个output_expr文件夹，里面就是6个表达矩阵和临床信息：