TCGA 数据库基因表达数据的下载：最大的公开肿瘤数据库，可用于各种深度学习项目_tcga肿瘤数据下周

TCGA癌种项目：

指定好项目名称下载即可（STAR-count转录组定量结果，其它数据类型需要自己指定）：

library(TCGAbiolinks)
library(dplyr)
library(SummarizedExperiment)
library(msigdbr)
 
# 选择项目
class <- "TCGA-READ"
 
# 数据下载
query <- GDCquery(
  project = class,
  data.category = "Transcriptome Profiling",
  data.type = "Gene Expression Quantification", 
  workflow.type = "STAR - Counts"
)
GDCdownload(query = query)
data <- GDCprepare(query = query)
if (!dir.exists(paste0("./", class))) {
  dir.create(paste0("./", class))
}
Exp <- assay(data) %>% as.data.frame() # 提取数据表达
ann <- rowRanges(data) # 提取基因注释
ann <- as.data.frame(ann)
rownames(ann) <- ann$gene_id
ann <- ann[rownames(Exp),]
write.csv(ann, paste0("./", class,"/ann.csv"), row.names = F) # 基因注释信息
Exp <- cbind(data.frame(Gene = ann$gene_name), Exp)
write.csv(Exp, paste0("./", class,"/exp.csv"), row.names = F) # 表达矩阵
clinical <- GDCquery_clinic(project= class, type = "clinical") # 提取临床信息
write.csv(clinical, paste0("./", class,"/clinical.csv"), row.names = F) # 临床注释信息

结果如下：

▲ count 表达矩阵

▲ 样本临床、生存信息

▲ 基因注释