下载
网址：https://portal.gdc.cancer.gov/repository
-
选择癌肿
case选择 -
选择文件格式
file选择g -
点击add all files to cart,进入购物车，在download中选择cart，进行下载数据，下载metadata
download
Biospecimen:以TSV或JSON格式下载购物车中与文件相关的biospecimen数据。
Clinical:以TSV或JSON格式下载购物车中与文件相关的临床数据
Sample Sheet:下载一个选项卡分隔的文件
该文件包含相关的CASE/SAMPLE ID和购物车中每个文件的示例类型(肿瘤/正常)。
Metadata:购物车中的文件相关的临床、生物检测和文件元数据。
Download:
· Manifest:下载清单文件，以便与GDC数据传输工具一起使用来下载文件。清单文件包含与购物车中的文件对应的UUID列表。
· Cart:直接通过浏览器下载购物车中的文件。用户必须小心购物车中的数据量，因为这个选项不会优化带宽，也不会提供恢复功能。
Remove from Cart:从购物车中删除所有文件或未经授权的文件。
！！！[注意：下载数据前一定保证前一次购物车数据清除]
- 处理
数据下载后得到一个gz文件，将其解压，然后利用R语言批量处理并整合数据
# 设置工作地址为解压后的文件地址
setwd("/home/data/t150344/WES_mutation/TCGA_BRCA/download_SNP")
# 创建一个目录保存所有结果
dir.create('0000_all_maf')
# 下载的文件名为36个字母才是所需的，其他的可以忽略
dir_all <- dir()[nchar(dir()) == 36]
for (dir_maf in dir_all) {
#内部文件也是压缩的，需要解压出来并保存到之前创建的目录中
maf_file <- list.files(dir_maf, pattern = ".*maf")
if (grepl('gz$',maf_file)){
R.utils::gunzip(paste0(dir_maf,"/",maf_file))
}
file_extracted <- list.files(dir_maf, pattern = ".*maf$")
file.copy(paste0(dir_maf,"/",file_extracted),"0000_all_maf")
}
# 将工作地址设置为之前创建的目录
setwd("/home/data/t150344/WES_mutation/TCGA_BRCA/download_SNP/0000_all_maf")
file_extracted_maf <- list.files()
first_file <- read.delim(file_extracted_maf[1], header = T, sep = '\t', comment.char = '#',stringsAsFactors = F)
for (extracted_maf in file_extracted_maf[2:length(file_extracted_maf)]) {
file_appended <- read.delim(extracted_maf, header = T, sep = '\t', comment.char = '#',stringsAsFactors = F)
first_file <- rbind(first_file,file_appended)
}
BRCA_maf <- first_file
方法二：
将下载后的数据解压到了download_SNP文件夹中。
rm(list=ls())
library(maftools)
library(tidyverse)
mafFilePath = dir(path = "../download_SNP/",pattern = "masked.maf.gz$",full.names = T,recursive=T)
mafdata=list()
for (aaaa in mafFilePath) {
check.file <- read.csv(aaaa,sep = '\t',skip = 7,stringsAsFactors = F)
if (nrow(check.file)>0) {
fila <- read.maf(aaaa,isTCGA=TRUE)
mafdata <- c(mafdata,fila)}
else{ print(aaaa) }}
snv_data = merge_mafs(mafdata)
#mafdata <- lapply(mafFilePath, function(x){read.maf(x,isTCGA=TRUE)})
snv_data = merge_mafs(mafdata)
save(snv_data,file = "/home/data/t150344/WES_mutation/TCGA_BRCA/inputdata/tcga_snv_329.Rdata")
load("/home/data/t150344/WES_mutation/TCGA_BRCA/inputdata/tcga_snv_329.Rdata")
因为有的样本的突变全部是无义突变，报错内容为
Error in read.maf(x, isTCGA = TRUE) : No non-synonymous mutations foundCheck `vc_nonSyn`` argumet in `read.maf` for details
这些read maf后没有有用突变，因此无需理会
得到的数据对象和之前的处理方式是一样的。
- 读取MAF文件
构建maf对象，注意：
也可以计算TMB和MATH
肿瘤突变负荷(TMB)与等位基因突变的肿瘤异质性(MATH)分数的计算
今天就到这里，接下来的可视化明天继续
参考文章：
