TCGA的界面分類非常清晰，不同的項目，不同癌種，不同數據格式的資料都在目錄欄一幕瞭然，非常清晰！少量數據可以直接在官網按進「購物車」進行下載（實際上有免費資源的），對於需要下載大量數據的，TCGA有官方提供的下載小工具GDC Data Transfer Tool，可以在windows下成一個應用軟體，根據圖形界面的提示操作即可，非常方便。同時也有很多開源的萬能網友寫的代碼，下載+分析一起自動化完成的，再次不多敘述。

TCGA官方提供的下載小工具：GDC Data Transfer Tool, gdc.cancer.gov/access-d （真心建議，各類軟體官網自帶的教程和說明是最清晰好用的，雖然是英文，帶靜下心來好好看吧少走很多彎路）

至於大量數據的下載，我們可以點擊download下的manifest（圖中左起第二個藍色框框，點擊獲得一個文件，裡面記錄著你將要下載的數據信息），然後利用GDC Transfer Tool (gdc-client)，在Terminal內輸入如下命令進行批量下載：

./gdc-client download -m manifest_xxx.txt

------------------------------------------------------------------

TCGA收錄的了很全面的癌症基因組數據，包括突變，拷貝數變異，mRNA表達，miRNA表達，甲基化數據等

這些數據可分為三個級別：

    • level-1: 原始的測序數據（fasta,fastq等）
    • level-2:比對好的bam文件
    • level-3:為經過處理及標準化的數據

（其中level1/2為controlled-access，level-3有部分是controlled-access，這一類型的需要向TCGA申請使用許可權）

level-1/2 比較糙，文件較大，若要下載需要使用官方提供的小工具：GDC Data Transfer Tool, 需要自己重新比對來call mutation, 或者提取count data做差異表達分析（懶人表示不怎麼用）

###最常用的為level3數據，文件較小，直接在網頁上下載就可以。

###目前主要有兩個網站可以下載TCGA level-3的數據:

    • >TCGA官網的data-portal: portal.gdc.cancer.gov

優點：數據最全，更新最快

缺點：每個樣本的數據都單獨儲存在一個文件中，如果要下載RNA表達量數據的話，可能同一種癌症需要下載好幾百個文件，並且需要排隊下載，有時候很慢很慢很慢

    • >Firehose伺服器：gdac.broadinstitute.org

優點：這裡的數據也來源於 portal.gdc.cancer.gov，經過了簡單的合併，將每種癌症相同類型的數據合併到了一個文件中（例如443個胃癌樣本的RNA表達量數據都合併到了一個文件中，非常適合用R進行後續的分析）

--------------------------------------------------------------------

###level-3的數據是仍需要一定的分析能力來提取感興趣的信息，

###如果你僅僅需要看感興趣的基因在某種癌症中的突變譜，表達量，或者甲基化情況，那麼以下三個在線可視化網站可以說是非常親民了：

1.>c-Bioportal: www.cbioportal.org

整合和簡化了包括TCGA，ICGC以及GEO等多個癌症基因組資料庫的內容，提供友好可視化的界面，可供下載。

主要展示基因的somatic 突變譜，拷貝數變化，mRNA&miRNA表達量變化，DNA甲基化以及蛋白質表達的情況，並結合患者的臨牀資料，展示了KM生存曲線。

2.>OncoLnc: www.oncolnc.org

這是一個整合了TCGA的各種RNA數據和患者臨牀數據，提供生存分析的網站，灰常簡單好用。

3.>MEXPRESS:mexpress.be/about

整合了TCGA中的DNA甲基化，表達量及臨牀數據，主要用來探索甲基化，基因表達和臨牀表型之間的關聯，看界面也很友好


推薦閱讀：
相關文章