1行代码提取6种TCGA表达矩阵2.0版

2022-11-15 13:02:14 浏览数 (2)

之前写了一个脚本，可以让大家1行代码提取6种类型的表达矩阵以及对应的临床信息。但是很多人完全看不见注意事项或者根本看不懂，所以我决定改动一下。

上一版的脚本主要报错是这个：

代码语言：javascript复制
Error in GDCprepare(query, save = T, save.filename = "tcga_read.rdata") : 
  I couldn't find all the files from the query. Please check if the directory parameter is right or `GDCdownload` downloaded the samples.

原因无非就是3种可能:

  • TCGAbiolinks的版本不是2.25.1以上
  • 路径不对
  • 下载的方式不正确

首先解决R包版本的问题

你可以用以下代码检查自己的TCGAbiolinks包的版本：

代码语言：javascript复制
packageVersion("TCGAbiolinks")
## [1] '2.25.2'

如果是在2.25.1以下，需要安装开发版本的TCGAbiolinks包，安装方法如下：

代码语言：javascript复制
if (!requireNamespace("BiocManager", quietly = TRUE))
    install.packages("BiocManager")
BiocManager::install("BioinformaticsFMRP/TCGAbiolinksGUI.data")
BiocManager::install("BioinformaticsFMRP/TCGAbiolinks")

安装完成后，重新使用packageVersion("TCGAbiolinks")查看版本。

如果你用上面的安装代码报错，那么你的R语言基础可能不过关，你需要参考以下教程：可能是最好用的R包安装教程！

然后是路径问题

路径必须要正确，你位置都搞错了，代码找不到你放文件的位置，那肯定是报错！路径设置可以参考这篇推文：手动下载的TCGA也是可以用TCGAbiolinks整理的。

我在里面说的非常清楚，你的文件路径必须是在GDCdataTCGA-COADharmonizedTranscriptome_ProfilingGene_Expression_Quantification这个路径下，而且脚本getTCGAexpr.r必须和GDCdata在同一个文件夹下！！！！

脚本位置必须对！

下载方式问题

如果你是直接用TCGAbiolinks下载的数据，那么路径一般不会有大问题，只要你把脚本和GDCdata放在同一个文件夹下就行了。

如果你是在官网下载的，或者用gdc_clinet下载的，就必须按照这篇推文介绍的方法进行选择：可能是最适合初学者的TCGA数据下载教程，命令行或者图形界面都可以，关键是选择的时候一定要选对！！如果没选对，就会出现开头所示的报错！！

以上3个问题，我在脚本使用注意里都明确说明了，实在是不懂为什么还有那么多问题！！！

2.0版本

我觉得有一部分是我的原因，作为一个已经学会的人，我已经忘记了自己不会的时候是什么样子，现在也无法理解初学者为什么会遇到那么多报错。

所以我改了一下脚本，1行代码下载并整理6种类型的TCGA表达矩阵和临床信息！！

主要是以下改进：

  • 在任何位置都可以运行，不需要构建路径！
  • 会自动下载数据，不需要手动下载

2.0版本的脚本我也放在了QQ群里，需要的加群下载即可。

使用方法和之前一模一样！！

但我还是建议你先看一下使用注意！！

  • 需要良好的网络
  • TCGAbiolinks包的版本必须要在2.25.1以上

下面是使用方法：

加载需要的R包：

代码语言：javascript复制
library(TCGAbiolinks)
library(SummarizedExperiment)
library(tidyverse)

加载脚本"getTCGAexpr.r"：

代码语言：javascript复制
source("getTCGAexpr.r")

使用函数，需要提供TCGA的癌症简称，比如：TCGA-LUSC。

代码语言：javascript复制
getTCGAexpr(project = "TCGA-LUSC")

这个脚本会自动从GDC官网下载最新的数据，所以需要联网，如果你的网络不好，可以手动下载，按照这篇推文自己构建合适的路径：手动下载的TCGA数据也是可以用TCGAbiolinks包整理的，它也可以成功！

完成后会在当前目录多出一个output_expr文件夹，里面就是6个表达矩阵和临床信息

提取好的表达矩阵和临床信息

  • TCGA-LUSC_expr.rdata：原始的se对象，所有信息都是从这里面提取的；
  • TCGA-LUSC_clinical.rdata：TCGA-LUSC的临床信息；
  • TCGA-LUSC_lncRNA_expr_counts.rdata：lncRNA的counts矩阵；
  • TCGA-LUSC_lncRNA_expr_fpkm.rdata：lncRNA的fpkm矩阵；
  • TCGA-LUSC_lncRNA_expr_tpm.rdata：lncRNA的tpm矩阵；
  • TCGA-LUSC_mRNA_expr_counts.rdata：mRNA的counts矩阵；
  • TCGA-LUSC_mRNA_expr_fpkm.rdata：mRNA的fpkm矩阵；
  • TCGA-LUSC_mRNA_expr_tpm.rdata：mRNA的tpm矩阵；
data gd na profiling 脚本

0 人点赞