如何下载TCGA中指定Primary Site的样本数据
如何下载TCGA中指定Primary Site的样本数据
在我们的《TCGA差异表达分析》课程中，我们介绍了采用TCGAbiolinks 去下载GDC上的TCGA数据。但是最近有学员想基于“Primary Site” 筛选一下样本，只对其中的一种类型进行分析。 如下图所示：
我查看了一下TCGAbiolinks的文档，发现该软件包不支持对Primary Site的筛选。既然GDC官方网站上能显示出Primary Site，那肯定会有一个字段对应这个信息。
我再看了一下GDC的官方API文档，通过调用API，是可以拿到样本的“Primary Site”， 但是采用官方的API比较麻烦。最后找到了Bioconductor中的“GenomicDataCommons ”包,该包是对GDC API 的封装。
简单研究了一下GenomicDataCommons 文档，最后写了一个简陋的代码用于筛选样本：
# 筛选primary_site对应的癌症样本
library(GenomicDataCommons)
resp = cases() %>% filter(~ project.project_id=='TCGA-HNSC' &
primary_site =='Larynx') %>%
GenomicDataCommons::select(c(default_fields(cases()),'samples.sample_type')) %>%
response_all()
resp %>% count()
case_name <- resp$results$submitter_id
# 之后对下载的samplesDown 进行过滤,获得需要下载的sample_download
download_name = substr(samplesDown,1,12)
sample_download <- samplesDown[download_name %in% case_name]
有了sample_download ，就可以采用TCGAbiolinks进行下载了。
把要下载的数据筛选出来之后重新得到query，添加barcode选项指定下载想要的数据：
query <- GDCquery(project = project,
data.category = data_category,
data.type = data_type,
workflow.type = workflow_type,
barcode = sample_download,
# sample.type = sample_type,
legacy = legacy)
如果您想学习TCGA数据挖掘，请学习的我TCGA系列课程：
- 发表于 2019-01-09 15:14
- 阅读 ( 4277 )
- 分类：TCGA
