在上篇文章中1. 在TCGA中找到并下載意向數(shù)據(jù)我們提到為數(shù)據(jù)下載做準(zhǔn)備工作時(shí)说铃，我們一共下載了四個(gè)文件如下：
心想假如沒(méi)有人告訴你要下載這么多访惜，而你也是一片空白，你該如何去開(kāi)展下面的工作截汪？在這里疾牲，按照我們濕實(shí)驗(yàn)工作者的尿性來(lái)看，實(shí)驗(yàn)中遇到不懂的衙解，都要搞懂阳柔，就好像你在做WB的時(shí)候什么時(shí)候要用β-BH（β巰基乙醇）的loading buffer，什么時(shí)候又不用需要搞得清楚明白蚓峦。那么在這里同樣的舌剂，每個(gè)文件的作用，也需要搞明白暑椰。
1. gdc-client
這其實(shí)非常好理解霍转，gdc-client就是一個(gè)TCGA提供的用于下載數(shù)據(jù)的客戶(hù)端，只要下載下來(lái)即可一汽。但我們TDC data transfer tool中會(huì)gdc-client根據(jù)不同系統(tǒng)有不用版本避消，不同時(shí)間也有不同版本。我該如何選召夹？按照昨晚的經(jīng)驗(yàn)岩喷，我們的建議是：下載最新的。
使用舊版本下載失敗
更新版本后重新運(yùn)行代碼监憎，下載成功纱意。除了gdc-client版本問(wèn)題需要注意之外，最好每次下載使用的各種幫助文件都是最新下載的鲸阔。
2. clinic.cart.2020-10-08.json and metadata.cart.2020-10-08.json
這文件是我們?cè)谫?gòu)物車(chē)中結(jié)算數(shù)據(jù)時(shí)偷霉，特地選擇的json文件。此時(shí)你可能同我一樣褐筛，為什么非要選JSON格式类少，難道TSV不行嗎？當(dāng)然可以渔扎！JSON也不過(guò)是一種數(shù)據(jù)格式而已瞒滴。
2.1 TSV則是類(lèi)似txt+cst的組合體，可以看到TSV格式的clinical.cart數(shù)據(jù)下有3個(gè)被壓縮的tsv文件。如此看來(lái)妓忍，似乎是只有一個(gè)文件的JSON格式的讀取步驟更簡(jiǎn)單了。
2.2 JSON
（1）JSON無(wú)法在windows上打開(kāi)愧旦，此時(shí)還是搜索打發(fā)世剖，我的做法是在谷歌上搜索“read json data in r”，之后在搜索結(jié)果中找到看起來(lái)比較靠譜的結(jié)果笤虫。
（2）此時(shí)我們看到一個(gè)很明顯的結(jié)果是rjson package旁瘫。按照教程使用代碼install.packages("rjson"), library("rjson")安裝并激活rjson之后，我們首先要做的是看說(shuō)明書(shū)琼蚯，明白這個(gè)R包該如何使用酬凳。
（3）一般來(lái)說(shuō)我們會(huì)在R語(yǔ)言中用代碼?rjson調(diào)出幫助文檔，而這邊顯示調(diào)出的并未包含有usage遭庶，因此直接在谷歌上再次搜索“rjson usage”后找到使用文檔宁仔。
（4）從說(shuō)明書(shū)中我們可以看到rjson這個(gè)包一共有3個(gè)命令
fromJSON, newJSONParser, toJSON，其功能分別為將json轉(zhuǎn)為R object峦睡，批量轉(zhuǎn)json為R object翎苫，將R object轉(zhuǎn)為json。由于我們此次下載的數(shù)據(jù)僅為單一的json文件榨了，因此選擇命令fromJSON煎谍，其用法如下：
fromJSON( json_str, file, method = "C", unexpected.escape = "error", simplify = TRUE )
參數(shù)含義：
（1）json_str： a JSON object to convert需要轉(zhuǎn)化的JSON對(duì)象
（2）file：the name of a file to read the json_str from; this can also be a URL. Only one of
json_str or file must be supplied.
（3）method：use the C implementation, or the older slower (and one day to be depricated) R implementation
（4）unexpected.escape：changed handling of unexpected escaped characters. Handling value should be one of "error", "skip", or "keep"; on unexpected characters issue an error, skip
the character, or keep the character
（5）simplify：If TRUE, attempt to convert json-encoded lists into vectors where appropriate.
If FALSE, all json-encoded lists will be wrapped in a list even if they are all of the same data type.
讀取數(shù)據(jù)
metadata<- fromJSON( file = "metadata.cart.2020-10-08.json",
method = "C",
unexpected.escape = "error",
simplify = TRUE ) # 可以看到讀入的數(shù)據(jù)為list
通過(guò)各種方法檢查數(shù)據(jù)，同時(shí)也要思考我們到底需要什么樣的數(shù)據(jù)龙屉。一般來(lái)說(shuō)呐粘，我們會(huì)想要一個(gè)表達(dá)矩陣/數(shù)據(jù)框，列為樣本转捕，行為基因名作岖；同時(shí)還會(huì)需要每個(gè)樣本的生存數(shù)據(jù)，以用于做生存曲線分析瓜富。
當(dāng)然鳍咱，讀取JSON格式文件的R包有很多個(gè)，此時(shí)如果有時(shí)間可以查一下到底哪個(gè)包更好用哦~
3. gdc_manifest_20201007_170018.txt
打開(kāi)后可見(jiàn)是每個(gè)樣本的相關(guān)信息与柑，gdc-client也是通過(guò)讀取manifest文件內(nèi)的樣本ID來(lái)下來(lái)數(shù)據(jù)的谤辜。
結(jié)語(yǔ)：無(wú)論如何，我們最終需要整理出來(lái)的數(shù)據(jù)類(lèi)型是數(shù)據(jù)框价捧，需要包含有樣本ID以及基因表達(dá)信息丑念，臨床生存信息等等，以供后續(xù)分析所需结蟋。由于這部分我還在學(xué)習(xí)脯倚，因此沒(méi)法放在這篇文章內(nèi)了。但這篇文章的整體思路則是，通過(guò)了解自己的準(zhǔn)備文件內(nèi)容推正、格式去查找自己所需的工具恍涂，通過(guò)搜索大法和自學(xué)解決自己的問(wèn)題。世界上不需要努力就可以掌握的東西植榕，除非自己主動(dòng)再沧，不然無(wú)論如何也是學(xué)不下去的，所以千萬(wàn)不要盲目相信有了所謂的帖子尊残，自己就可以順暢的走下去炒瘸。每一個(gè)步驟都有可能出bug，只有自己在每個(gè)細(xì)節(jié)中有到位的思考寝衫，才能學(xué)到屬于自己的知識(shí)顷扩。不然也是旱鴨子看別人游泳：白開(kāi)心。
