R语言提取TCGA数据库clinical.json中的临床信息

转自“医学统计园”微信公众号。

读入clinical.json文件

clinical_traits <- fromJSON(file = "clinical.cart.2019-09-28.json")

计算文件长度n,在这里n为348

n = length(clinical_traits)

初始化变量

id = classfication_of_tumor = c(rep(0, n))
tumor_stage = gender = c(rep(0, n))
year_to_birth = year_to_death =  c(rep(0, n))
year_to_diagnosis = days_to_death = c(rep(0, n))
age = deadORlive = race = alcohol = smoked = c(rep(0, n))

利用一个for循环由json文件中提取信息

for (i in 1:n) {
id[i] = clinical_traits[[i]]$diagnoses[[1]]$submitter_id
classfication_of_tumor[i]=clinical_traits[[i]]$diagnoses[[1]]$classification_of_tumor
tumor_stage[i] = clinical_traits[[i]]$diagnoses[[1]]$tumor_stage
gender[i] = clinical_traits[[i]]$demographic$gender
year_to_birth[i] = ifelse(
    is.null(clinical_traits[[i]]$demographic$year_of_birth),
    "notReport",
    clinical_traits[[i]]$demographic$year_of_birth
  )
year_to_death[i] = ifelse(
    is.null(clinical_traits[[i]]$demographic$year_of_death),
    "notReport",
    clinical_traits[[i]]$demographic$year_of_death
  )
year_to_diagnosis[i] = ifelse(
    is.null(clinical_traits[[i]]$diagnoses[[1]]$year_of_diagnosis),
    "notReport",
    clinical_traits[[i]]$diagnoses[[1]]$year_of_diagnosis
  )
days_to_death[i] = ifelse(
    is.null(clinical_traits[[i]]$demographic$days_to_death),
    "notReport",
    clinical_traits[[i]]$demographic$days_to_death
  )
age[i] = ifelse(
    is.null(clinical_traits[[i]]$demographic$age_at_index),
    "notReport",
    clinical_traits[[i]]$demographic$age_at_index
  )
deadORlive[i] = ifelse(
    is.null(clinical_traits[[i]]$demographic$vital_status),
    "notReport",
    clinical_traits[[i]]$demographic$vital_status
  )
race[i] = ifelse(
    is.null(clinical_traits[[i]]$demographic$race),
    "notReport",
    clinical_traits[[i]]$demographic$race
  )
alcohol[i] = ifelse(
    is.null(clinical_traits[[i]]$exposures[[1]]$alcohol_history),
    "notReprot",
    clinical_traits[[i]]$exposures[[1]]$alcohol_history
  )
smoked[i] = ifelse(
    is.null(clinical_traits[[i]]$exposures[[1]]$years_smoked),
    "notReport",
    clinical_traits[[i]]$exposures[[1]]$years_smoked
  )
}

将提取的信息做成一个dataFrame

gastric_clinic <- data.frame(
  id,
  classfication_of_tumor,
  tumor_stage,
  gender,
  year_to_birth,
  year_to_death,
  year_to_diagnosis,
  days_to_death,
  age,
  deadORlive,
  race,
  alcohol,
  smoked
)
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 221,695评论 6 515
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 94,569评论 3 399
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 168,130评论 0 360
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 59,648评论 1 297
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 68,655评论 6 397
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 52,268评论 1 309
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,835评论 3 421
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,740评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 46,286评论 1 318
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 38,375评论 3 340
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,505评论 1 352
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 36,185评论 5 350
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,873评论 3 333
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 32,357评论 0 24
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,466评论 1 272
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,921评论 3 376
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 45,515评论 2 359

推荐阅读更多精彩内容