管于TCGA數(shù)據(jù)庫中的數(shù)據(jù)下載箱蟆，我們之前有介紹過R語言下載包：R語言TCGA-Assembler包下載TCGA數(shù)據(jù)比肄，同時在介紹數(shù)據(jù)庫的使用教程中也介紹了在線下載以及官方下載工具下載：TCGA數(shù)據(jù)庫使用教程呀非。在線下載以及官方下載工具下載的數(shù)據(jù)是分開的，每個樣本的數(shù)據(jù)的獨(dú)立的，需要自己合并，這需要會R募舟，Python 或者 perl 等編程語言（文末補(bǔ)充內(nèi)容介紹）。
這里我們先介紹TCGAbiolinks包下載數(shù)據(jù)闻察。因?yàn)檫@個包下載的數(shù)據(jù)是合并好的拱礁，不需要整理。
TCGAbiolinks下載TCGA數(shù)據(jù)
在第一講我們介紹TCGAbiolinks包的時候辕漂，介紹了GDCquery這個函數(shù)呢灶，這是下載數(shù)據(jù)時要用到的函數(shù)，除此以外钉嘹，我們還需要GDCdownload函數(shù)鸯乃。GDCdownload函數(shù)使用GDC API或GDC傳輸工具下載GDC數(shù)據(jù)，用戶可以使用查詢參數(shù)查詢的數(shù)據(jù)將保存在一個文件夾中:project/data.category跋涣。函數(shù)的整體框架為：
GDCdownload(query, token.file, method ="api", directory ="GDCdata",files.per.chunk =NULL)
各個參數(shù)介紹如下：
query：這個參數(shù)就是來自GDCquery的結(jié)果缨睡。
token.file：這個是下載受限的文件（僅適用于method=“client”），一般下載用不到陈辱。
method：使用API (POST方法)或gdc客戶端工具宏蛉。選擇“api”,“client”。API更快性置，但是下載過程中數(shù)據(jù)可能會損壞，可能需要重新執(zhí)行揍堰。
directory：下載數(shù)據(jù)的存放目錄/文件夾鹏浅。默認(rèn)：GDCdata。
files.per.chunk：這將使API方法一次只下載n個(files.per.chunk)文件屏歹。當(dāng)數(shù)據(jù)量過大時隐砸，可能會下載出錯，可設(shè)置files.per.chunk參數(shù)減少下載問題蝙眶。值為整數(shù)季希，即可將文件拆分為幾個文件下載，如files.per.chunk?= 6幽纷。
下面是一個下載數(shù)據(jù)的案例：
query <- GDCquery(project ="TCGA-ACC",data.category ="Copy number variation",legacy = TRUE,file.type ="hg19.seg",barcode = c("TCGA-OR-A5LR-01A-11D-A29H-01","TCGA-OR-A5LJ-10A-01D-A29K-01"))# 數(shù)據(jù)將被保存在 GDCdata/TCGA-ACC/legacy/Copy_number_variation/Copy_number_segmentationGDCdownload(query, method ="api")## Not run:# 從XML下載臨床數(shù)據(jù)query <- GDCquery(project ="TCGA-COAD", data.category ="Clinical")GDCdownload(query, files.per.chunk = 200)query <- GDCquery(project ="TARGET-AML",data.category ="Transcriptome Profiling",data.type ="miRNA Expression Quantification",workflow.type ="BCGSC miRNA Profiling",barcode = c("TARGET-20-PARUDL-03A-01R","TARGET-20-PASRRB-03A-01R"))# 數(shù)據(jù)將被保存在:# example_data_dir/TARGET-AML/harmonized/Transcriptome_Profiling/miRNA_Expression_QuantificationGDCdownload(query, method ="client", directory ="example_data_dir")acc.gbm <- GDCquery(project = c("TCGA-ACC","TCGA-GBM"),data.category ="Transcriptome Profiling",data.type ="Gene Expression Quantification",workflow.type ="HTSeq - Counts"
總之式塌，TCGAbiolinks包下載數(shù)據(jù)很簡單，首先得明確自己要的是什么數(shù)據(jù)友浸，通過GDCquery函數(shù)獲取后峰尝，關(guān)于GDCquery請認(rèn)真去學(xué)習(xí)上一講：TCGA數(shù)據(jù)挖掘（一）：TCGAbiolinks包介紹。對GDCquery了解后收恢，再利用GDCdownload函數(shù)下載武学。這里說的相當(dāng)簡單祭往，但聰明的人應(yīng)該已經(jīng)明白了。當(dāng)然火窒，我們后續(xù)的數(shù)據(jù)分析教程中還會更詳細(xì)的介紹硼补。
對于下載數(shù)據(jù)的分析可能會因自己的研究方向有所不同，有做甲基化的熏矿，有做SNP的等等已骇，可以不用掌握全部，只需要會自己研究方向的即可曲掰，其他的做個了解疾捍，自己需要的時候，再學(xué)也不遲栏妖。
當(dāng)然乱豆，我們后面會介紹一下常用的分析。
數(shù)據(jù)下載補(bǔ)充：數(shù)據(jù)整理
TCGAbiolinks包下載的數(shù)據(jù)是合并了的吊趾，不需要整理宛裕。在線下載或者官方工具下載的數(shù)據(jù)是分開的。我們介紹一下在線下載以及官方下載工具下載的數(shù)據(jù)怎么合并论泛，這里用的是perl腳本揩尸，沒有安裝perl的可去官網(wǎng)：http://www.perl.org/get.html自行下載安裝。這里你不需要懂perl語法屁奏，只需要知道DOS命令行的使用即可岩榆，腳本文末獲取。
在線下載以及官方下載工具下載的數(shù)據(jù)是這樣的坟瓢。每一個文件夾是每個樣本的數(shù)據(jù)勇边，而且文件夾的名稱和樣本的barcode還不一致。
每一個文件夾里面的數(shù)據(jù)都是壓縮包：
所以我們需要整理折联，要整理這些數(shù)據(jù)粒褒，首先我們在網(wǎng)頁上篩選數(shù)據(jù)的時候，同時也要下載metadata這個文件诚镰。
下載metadata文件奕坟、數(shù)據(jù)文件以及腳本文件putFilesToOneDir.pl和mRNA_merge.pl在同一個文件夾。
打開dos窗口清笨，進(jìn)入文件目錄月杉，鍵入：perl putFilesToOneDir.pl，回車抠艾。一會就會看見文件夾中多了一個files的文件夾沙合，即我們將所有的數(shù)據(jù)都移動到了同一個文件夾下，當(dāng)然，這個過程你可以手動首懈。樣本多的話绊率，好像不科學(xué)。
進(jìn)入files文件夾究履，里面全是壓縮包滤否，我們需要解壓。這個就真的可以手動最仑，因?yàn)槊總€人安裝的壓縮軟件可能不一樣藐俺，寫腳本的話可能會報錯，所以全選泥彤，解壓到當(dāng)前文件夾欲芹，也不是很費(fèi)事。
下載metadata文件和perl腳本文件mRNA_merge.pl復(fù)制到files文件夾吟吝。
dos命令窗口下進(jìn)入files文件夾菱父，鍵入：perl mRNA_merge.pl metadata.cart.2016-06-22T05_18_51.550750.json，然后回車剑逃。等待時間與數(shù)據(jù)量有關(guān)浙宜。
運(yùn)行結(jié)束后，在dos窗口會顯示運(yùn)行結(jié)果蛹磺。normal count: 4粟瞬；tumor count: 178，這里自己記下這2個參數(shù)萤捆，后面做分析的時候可能用到裙品。
同時在files文件夾下生成了一個矩陣文件。這個文件我們后面做數(shù)據(jù)分析的時候可能會用到俗或。
這里需要說明的是市怎，這個腳本只適用于mRNA的Counts的數(shù)據(jù)。不適用于其他類型的數(shù)據(jù)蕴侣。
掃碼關(guān)注，后臺回復(fù)：TCGA-mRNA_merge臭觉，領(lǐng)取案例文件和腳本文件昆雀。
?
