阿越1229

V1

2022/09/29阅读:39主题:自定义主题1

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。

脚本位置必须对!
脚本位置必须对!

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:

完成后会多出一个文件夹
完成后会多出一个文件夹

output_expr文件夹里面就是提取好的信息:

提取好的表达矩阵和临床信息
提取好的表达矩阵和临床信息
  • TCGA-LUSC_expr.rdata:原始的se对象,所有信息都是从这里面提取的;
  • TCGA-LUSC_clinical.rdata:TCGA-LUSC的临床信息;
  • TCGA-LUSC_lncRNA_expr_counts.rdata:lncRNA的counts矩阵;
  • TCGA-LUSC_lncRNA_expr_fpkm.rdata:lncRNA的fpkm矩阵;
  • TCGA-LUSC_lncRNA_expr_tpm.rdata:lncRNA的tpm矩阵;
  • TCGA-LUSC_mRNA_expr_counts.rdata:mRNA的counts矩阵;
  • TCGA-LUSC_mRNA_expr_fpkm.rdata:mRNA的fpkm矩阵;
  • TCGA-LUSC_mRNA_expr_tpm.rdata:mRNA的tpm矩阵;

表达矩阵示例:

lncRNA的counts矩阵
lncRNA的counts矩阵
mRNA的counts矩阵
mRNA的counts矩阵
mRNA的tpm矩阵
mRNA的tpm矩阵
临床信息
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。

分类:

其他

标签:

医学

作者介绍

阿越1229
V1

黄金矿工。