• 主页
  • 课程

    关于课程

    • 课程归档
    • 成为一名讲师
    • 讲师信息
    同等学历教学

    同等学历教学

    免费
    阅读更多
  • 特色
    • 展示
    • 关于我们
    • 问答
  • 事件
  • 个性化
  • 博客
  • 联系
  • 站点资源
    有任何问题吗?
    (00) 123 456 789
    weinfoadmin@weinformatics.cn
    注册登录
    恒诺新知
    • 主页
    • 课程

      关于课程

      • 课程归档
      • 成为一名讲师
      • 讲师信息
      同等学历教学

      同等学历教学

      免费
      阅读更多
    • 特色
      • 展示
      • 关于我们
      • 问答
    • 事件
    • 个性化
    • 博客
    • 联系
    • 站点资源

      未分类

      • 首页
      • 博客
      • 未分类
      • TCGABiolinks下载TCGA数据做生存分析

      TCGABiolinks下载TCGA数据做生存分析

      • 发布者 weinfoeditor
      • 分类 未分类
      • 日期 2019年12月9日
      • 评论 0评论

      当我们通过TCGA数据库的分析之后或者自己的数据(包含样本数据和实验数据)需要进一步解析和验证具体基因的临床的意义,生存分析是一个重要的指标。本文旨在利用TCGABiolinks下载TCGA数据做针对某一个基因的高表达和低表达(当然你也可以针对高甲基化或者突变其他的感兴趣的指标)做生存分析。

      img

      以前的工作是全基因组或全外分析,不涉及癌症和生存分析,但现在的工作主要围绕癌症方面,生存分析一定少不了。实验室小伙伴推荐用TCGAbiolinks下载TCGA的数据,于是研究了如何用TCGABiolinks下载TCGA的数据,以下载RNA的count数据为例,并做生存分析。

      # 加载相关的包
      library(SummarizedExperiment)
      library(TCGAbiolinks)
      library(survival)
      library(survminer)
      
      # 项目的概括信息,project的名称可以从 https://portal.gdc.cancer.gov/ 上面选择对应的器官,进入之后左侧列表中就会显示。我们以下载TCGA-LIHC项目的数据为例。
      TCGAbiolinks:::getProjectSummary("TCGA-LIHC") 
      # 获取该项目样本的临床信息
      clinical <- GDCquery_clinic(project = "TCGA-LIHC", type = "clinical")
      
      # 下载TCGA-LIHC项目的rna-seq的counts数据,构建GDCquery,具体的数据类型的写法可以参考 https://portal.gdc.cancer.gov/repository 左侧列表
      # 比如data type有Raw Simple Somatic Mutation, Annotated Somatic Mutation, Aligned Reads, Gene Expression Quantification, Slide Image这几种,不过不同的项目,有可能有不同的数据类型。
      query <- GDCquery(project = "TCGA-LIHC", 
      		    experimental.strategy = "RNA-Seq",
                          data.category = "Transcriptome Profiling", 
                          data.type = "Gene Expression Quantification",
      		    workflow.type = "HTSeq - Counts")
      # 下载数据
      GDCdownload(query)
      # 导入数据
      LIHCRnaseq <- GDCprepare(query)
      # 得到样本的基因counts矩阵,每行为一个基因,每列为一个样本
      count_matrix <- assay(LIHCRnaseq)
      
      # TCGA样本的编号以'-'分割,前三列是患者编号,第四列是类型,一般11表示正常样本,01表示肿瘤样本,见https://gdc.cancer.gov/resources-tcga-users/tcga-code-tables/sample-type-codes
      samplesNT <- TCGAquery_SampleTypes(barcode = colnames(count_matrix),typesample = c("NT"))
      # selection of tumor samples "TP"
      samplesTP <- TCGAquery_SampleTypes(barcode = colnames(count_matrix),typesample = c("TP"))
      
      # 根据ensembl id选择特定基因在癌症样本中的表达
      gexp <- count_matrix[c("ENSG00000198431"),samplesTP]
      
      # 这样选出的样本都是肿瘤样本,但样本名称是TCGA-CC-A7IL-01A-11R-A33R-07,与clinical信息不对应,需要将名字简化成TCGA-CC-A7IL
      names(gexp) <-  sapply(strsplit(names(gexp),'-'),function(x) paste0(x[1:3],collapse="-"))
      
      # 将表达数据和clinical数据合并,并且挑出来用于做生存分析的数据
      clinical$"ENSG00000198431" <- gexp[clinical$submitter_id]
      df<-subset(clinical,select =c(submitter_id,vital_status,days_to_death,ENSG00000198431))
      
      #去掉NA
      df <- df[!is.na(df$ENSG00000198431),]
      
      #取基因的平均值,大于平均值的为H,小于为L
      df$exp <- ''
      df[df$ENSG00000198431 >= mean(df$ENSG00000198431),]$exp <- "H"
      df[df$ENSG00000198431 <  mean(df$ENSG00000198431),]$exp <- "L"
      
      # 将status表示患者结局,1表示删失,2表示死亡
      df[df$vital_status=='Dead',]$vital_status <- 2
      df[df$vital_status=='Alive',]$vital_status <- 1
      df$vital_status <- as.numeric(df$vital_status)
      
      # 建模
      library(survival)
      fit <- survfit(Surv(days_to_death, vital_status)~exp, data=df) # 根据表达建模
      # 显示P value
      library(survminer)
      surv_pvalue(fit)$pval.txt 
      # 画图
      ggsurvplot(fit,pval=TRUE)
      

       

      参考 https://rdrr.io/bioc/TCGAbiolinks/ https://mp.weixin.qq.com/s/fuB0bLyllL_33_Shz7rKnw https://blog.csdn.net/qq_42424756/article/details/81535077 https://portal.gdc.cancer.gov/repository

      img

      请关注“恒诺新知”微信公众号,感谢“R语言“,”数据那些事儿“,”老俊俊的生信笔记“,”冷🈚️思“,“珞珈R”,“生信星球”的支持!

      • 分享:
      作者头像
      weinfoeditor

      上一篇文章

      R变量索引 - 什么时候使用 @或$
      2019年12月9日

      下一篇文章

      R语言-工作环境的保存
      2019年12月10日

      你可能也喜欢

      2-1675088548
      lncRNA和miRNA生信分析系列讲座免费视频课和课件资源包,干货满满
      30 1月, 2023
      9-1675131201
      如何快速批量修改 Git 提交记录中的用户信息
      26 1月, 2023
      8-1678501786
      肿瘤细胞通过改变CD8+ T细胞中的丙酮酸利用和琥珀酸信号来调控抗肿瘤免疫应答。
      7 12月, 2022

      留言 取消回复

      要发表评论,您必须先登录。

      搜索

      分类

      • R语言
      • TCGA数据挖掘
      • 单细胞RNA-seq测序
      • 在线会议直播预告与回放
      • 数据分析那些事儿分类
      • 未分类
      • 生信星球
      • 老俊俊的生信笔记

      投稿培训

      免费

      alphafold2培训

      免费

      群晖配置培训

      免费

      最新博文

      Nature | 单细胞技术揭示衰老细胞与肌肉再生
      301月2023
      lncRNA和miRNA生信分析系列讲座免费视频课和课件资源包,干货满满
      301月2023
      如何快速批量修改 Git 提交记录中的用户信息
      261月2023
      logo-eduma-the-best-lms-wordpress-theme

      (00) 123 456 789

      weinfoadmin@weinformatics.cn

      恒诺新知

      • 关于我们
      • 博客
      • 联系
      • 成为一名讲师

      链接

      • 课程
      • 事件
      • 展示
      • 问答

      支持

      • 文档
      • 论坛
      • 语言包
      • 发行状态

      推荐

      • iHub汉语代码托管
      • iLAB耗材管理
      • WooCommerce
      • 丁香园论坛

      weinformatics 即 恒诺新知。ICP备案号:粤ICP备19129767号

      • 关于我们
      • 博客
      • 联系
      • 成为一名讲师

      要成为一名讲师吗?

      加入数以千计的演讲者获得100%课时费!

      现在开始

      用你的站点账户登录

      忘记密码?

      还不是会员? 现在注册

      注册新帐户

      已经拥有注册账户? 现在登录

      close
      会员购买 你还没有登录,请先登录
      • ¥99 VIP-1个月
      • ¥199 VIP-半年
      • ¥299 VIP-1年
      在线支付 激活码

      立即支付
      支付宝
      微信支付
      请使用 支付宝 或 微信 扫码支付
      登录
      注册|忘记密码?