TCGA包

一父丰、重要相關(guān)網(wǎng)站
1.http://www.oncolnc.org/

image.png

2.https://docs.gdc.cancer.gov/Encyclopedia/pages/TCGA_Barcode/
image.png

3.https://gdc.cancer.gov/resources-tcga-users/tcga-code-tables
image.png

二农渊、重要代碼
1丧诺、生存曲線

rm(list=ls())
options(stringsAsFactors = F)

基因|癌種生存分析http://www.oncolnc.org/

a<-read.csv('./BRCA_7157_50_50.csv')

看一下做生存分析需要的數(shù)據(jù)內(nèi)容

head(a)
Patient Days Status Expression Group
1 TCGA-AR-A24H 4894 Alive 193.89 Low
2 TCGA-A2-A0YE 554 Alive 198.99 Low
3 TCGA-AN-A0FL 231 Alive 205.44 Low
4 TCGA-A8-A08B 1156 Alive 219.08 Low
5 TCGA-B6-A0X1 7455 Dead 220.14 Low
6 TCGA-E9-A1RG 647 Alive 230.59 Low
#######理解一下high和low的來(lái)源
tmp<- ifelse(aExpression<median(aExpression),'Low','High')
table(tmp==aGroup) TRUE 1006 ########將Alive和Dead轉(zhuǎn)換為1,2或0,1 a[aStatus=='Alive','Status']<-1
a[a$Status=='Dead','Status']<-2

a[a$Status=='Alive','Status']<-0

a[a$Status=='Dead','Status']<-1

#######生存分析的步驟
library(survival)

通過(guò)Status對(duì)生存時(shí)間進(jìn)行標(biāo)記,+代表的是alive自点,無(wú)+代表的是dead

fit.surv <-Surv(aDays,as.numeric(aStatus))

相應(yīng)處理之后得到的結(jié)果為當(dāng)前時(shí)間段的survival rate

km_2<-survfit(fit.surv~Group,data=a)
#########以High為例暇仲;
summary(km_2)


image.png

(469-1)/469
[1] 0.9978678
(469-1)/469*(463-1)/463
[1] 0.9957126
#######對(duì)兩個(gè)分組的survival rate進(jìn)行相應(yīng)的統(tǒng)計(jì)檢驗(yàn)
library(ggplot2)
Warning message:
In dontCheck(fnname) : reached elapsed time limit
library(ggpubr)
library(magrittr)
library(survminer)
surv_pvalue(km_2)
variable pval method pval.txt
1 Group 0.1394986 Log-rank p = 0.14
ggsurvplot (km_2,pval=TRUE,risk.table = T,title='TP53_BRCA_50_50')
ggsurvplot(km_2,palette = c("#E7B800", "#2E9FDF"),

  • risk.table =TRUE,pval =TRUE,
  • conf.int =TRUE,xlab ="Days",
  • ggtheme =theme_light(),
  • ncensor.plot = TRUE)


    image.png

2该面、生存曲線代碼理解
library(ggplot2)

rm(list=ls())
options(stringsAsFactors = F)
a<-read.csv('./BRCA_7157_50_50.csv')
a[aStatus=='Alive','Status']<-0 a[aStatus=='Dead','Status']<-1
clin_group<- a[,c('Status','Days')]
group <- a$Group
table(group)
group

High Low
503 503

取出對(duì)應(yīng)分組的臨床信息

group_1 <- clin_group[group=='High',]
group_2 <- clin_group[group=='Low',]

取出對(duì)應(yīng)分組的對(duì)應(yīng)Status(Alive|Death)信息

group_1_A<- group_1[group_1Status==0,] group_1_D<- group_1[group_1Status==1,]
group_2_A<- group_2[group_2Status==0,] group_2_D<- group_2[group_2Status==1,]

對(duì)2組下的Status信息按照Days進(jìn)行排序

A_2<- group_2_A[order(group_2_ADays),] D_2<- group_2_D[order(group_2_DDays),]

將相同Days的event的計(jì)數(shù)進(jìn)行加和

D_2<- data.frame(Days = as.numeric(D_2Days[!duplicated(D_2Days)]),

  •              event= as.numeric(by(D_2,D_2$Days, function(x){length(x[,1])})))
    
將相同Days的censor(alive)的計(jì)數(shù)進(jìn)行加和

A_2<- data.frame(Days = as.numeric(A_2Days[!duplicated(A_2Days)]),

  •              censor= as.numeric(by(A_2,A_2$Days, function(x){length(x[,1])})))
    
這一組的總?cè)藬?shù)-event(death)-censor(alive|依據(jù)時(shí)間排序后,此death對(duì)應(yīng)時(shí)間之前的alive)

y<- function(x){nrow(group_2)-sum(D_2event[D_2Days<x[1]])-sum(A_2censor[A_2Days<x[1]])}
D_2$n.risk<- apply(D_2,1,y)

每一個(gè)時(shí)間點(diǎn)的survival=(risk(number of alive)-event)/risk(number of alive)

D_2$step.survival <- apply(D_2,1,function(x){(x[3]-x[2])/x[3]})

截止到此時(shí)間點(diǎn)的survival=此時(shí)間點(diǎn)之前的survival*此時(shí)間點(diǎn)的survival

D_2surv <- apply(D_2,1,function(x){prod(D_2step.survival[D_2$Days<=x[1]])})

3.下載brca_data

下載數(shù)據(jù)

########IHC相關(guān)數(shù)據(jù)的讀取
rm(list=ls())
a <- read.csv('nationwidechildrens.org_clinical_patient_brca.txt',sep='\t')
a<- a[3:nrow(a),]
clin<- a[,c('bcr_patient_barcode','her2_status_by_ihc','pr_status_by_ihc','er_status_by_ihc')]
#######三陰和其他進(jìn)行區(qū)分(可能與作者的分組不一致)
TNBC_barcode<-clin[,1][grep('NegativeNegativeNegative',paste0(clin[,2],clin[,3],clin[,4]))]
non_TNBC<-clin[,1][!clin[,1]%in%TNBC_barcode]

表達(dá)矩陣下載翼悴,有多種方法姆钉,見(jiàn)https://www.bilibili.com/video/av49363776?from=search&seid=860607939803005976

GDCquery一般包括3步,GDCquery抄瓦、GDCdownload和GDCprepare

library(TCGAbiolinks)
library(SummarizedExperiment)

確定需要下載的data

GDCquery下載的整理:http://www.reibang.com/p/33bdb5ef7689

query <- GDCquery(project = "TCGA-BRCA",
data.category = "Transcriptome Profiling",
data.type = "Gene Expression Quantification",
workflow.type = "HTSeq - Counts",
barcode = TNBC_barcode)
到這的時(shí)候有可能出現(xiàn)報(bào)錯(cuò)


image.png

安裝最新版本的TCGAbiolinks 不知道是否可行:

先安裝devtools包

install.packages("devtools")
devtools::install_github("BioinformaticsFMRP/TCGAbiolinks")
依然不行


image.png

后面的程序全部無(wú)法運(yùn)行
GDCdownload(query1)
BRC_DATA2<-GDCprepare(query1,save=FALSE)
BRC_NONTNBC <- assay(BRC_DATA2)

表型信息下載

clinic <- GDCquery_clinic(project = "TCGA-BRCA",
type = 'Clinical')

save(BRC_TNBC,BRC_NONTNBC,clinic,file='result01_BRCA.Rdata')

image.png

明天繼續(xù)尋找解決辦法潮瓶。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市钙姊,隨后出現(xiàn)的幾起案子毯辅,更是在濱河造成了極大的恐慌,老刑警劉巖煞额,帶你破解...
    沈念sama閱讀 222,681評(píng)論 6 517
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件思恐,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡膊毁,警方通過(guò)查閱死者的電腦和手機(jī)胀莹,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 95,205評(píng)論 3 399
  • 文/潘曉璐 我一進(jìn)店門(mén),熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)婚温,“玉大人描焰,你說(shuō)我怎么就攤上這事≌っ” “怎么了荆秦?”我有些...
    開(kāi)封第一講書(shū)人閱讀 169,421評(píng)論 0 362
  • 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)力图。 經(jīng)常有香客問(wèn)我步绸,道長(zhǎng),這世上最難降的妖魔是什么吃媒? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 60,114評(píng)論 1 300
  • 正文 為了忘掉前任瓤介,我火速辦了婚禮吕喘,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘刑桑。我一直安慰自己兽泄,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 69,116評(píng)論 6 398
  • 文/花漫 我一把揭開(kāi)白布漾月。 她就那樣靜靜地躺著病梢,像睡著了一般。 火紅的嫁衣襯著肌膚如雪梁肿。 梳的紋絲不亂的頭發(fā)上蜓陌,一...
    開(kāi)封第一講書(shū)人閱讀 52,713評(píng)論 1 312
  • 那天,我揣著相機(jī)與錄音吩蔑,去河邊找鬼钮热。 笑死,一個(gè)胖子當(dāng)著我的面吹牛烛芬,可吹牛的內(nèi)容都是我干的隧期。 我是一名探鬼主播,決...
    沈念sama閱讀 41,170評(píng)論 3 422
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼赘娄,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼仆潮!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起遣臼,我...
    開(kāi)封第一講書(shū)人閱讀 40,116評(píng)論 0 277
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤性置,失蹤者是張志新(化名)和其女友劉穎,沒(méi)想到半個(gè)月后揍堰,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體鹏浅,經(jīng)...
    沈念sama閱讀 46,651評(píng)論 1 320
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,714評(píng)論 3 342
  • 正文 我和宋清朗相戀三年屏歹,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了隐砸。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 40,865評(píng)論 1 353
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡蝙眶,死狀恐怖季希,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情械馆,我是刑警寧澤胖眷,帶...
    沈念sama閱讀 36,527評(píng)論 5 351
  • 正文 年R本政府宣布武通,位于F島的核電站霹崎,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏冶忱。R本人自食惡果不足惜尾菇,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 42,211評(píng)論 3 336
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧派诬,春花似錦劳淆、人聲如沸。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 32,699評(píng)論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至缆八,卻和暖如春曲掰,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背奈辰。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 33,814評(píng)論 1 274
  • 我被黑心中介騙來(lái)泰國(guó)打工栏妖, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人奖恰。 一個(gè)月前我還...
    沈念sama閱讀 49,299評(píng)論 3 379
  • 正文 我出身青樓吊趾,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親瑟啃。 傳聞我的和親對(duì)象是個(gè)殘疾皇子论泛,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,870評(píng)論 2 361

推薦閱讀更多精彩內(nèi)容

  • # Python 資源大全中文版 我想很多程序員應(yīng)該記得 GitHub 上有一個(gè) Awesome - XXX 系列...
    小邁克閱讀 3,001評(píng)論 1 3
  • 今天端午節(jié),我?guī)е⒆踊乩霞易滋煊加臁V形?點(diǎn)多的飛機(jī)孵奶,一直延遲到下午五點(diǎn)一刻才登機(jī),晚上八點(diǎn)多飛機(jī)落地蜡峰。這一天就浪...
    吉祥的人生閱讀 215評(píng)論 0 0
  • 網(wǎng)絡(luò)中四 3月6日 持續(xù)分享第236天 今天繼續(xù)讀書(shū)《建構(gòu)解決之道》關(guān)于后續(xù)輔導(dǎo)的重要性部分湿颅。常見(jiàn)需要接受輔導(dǎo)的當(dāng)...
    xfsunshine閱讀 440評(píng)論 0 0
  • 有人說(shuō):有一種特別舒服的關(guān)系油航,并不是總你一言我一句的回答崭庸。有時(shí)候我愿意將自己現(xiàn)在所看到的東西一股勁的發(fā)給你,不需要...
    歐陽(yáng)雨軒閱讀 3,298評(píng)論 2 7