PDF《TCGA 下载和提取临床数据》

全国统一服务热线:400-6506-908 官方网站:www.

biomiao.com 地址: 北京市西城区马连道六号鼎观大厦 706-707

邮箱: [email protected] TCGA 下载和提取临床数据

一、数据库:TCGA

二、内容:下载临床数据,提取临床数据

三、癌症数据:宫颈鳞状细胞癌 CESC

四、方法:

1、可视化下载 XML 原始文件

2、perl 脚本提取 XML 文件的临床信息,得到临床数据

五、步骤

1、登陆 TCGA 数据库官方网站,https://cancergenome.nih.gov/ ,点击"Launch Data Portal"进入数据库页面,或者直接登陆数据库网站:https://portal.gdc.cancer.gov/ .进 到数据库网站,点击"Data" ,进入可视化选择页面. 全国统一服务热线:400-6506-908 官方网站:www.biomiao.com 地址: 北京市西城区马连道六号鼎观大厦 706-707

邮箱: [email protected]

2 、 选择的方法:CASE 选项框依次选择――"Primary Site"-Cervix ― ― "Cancer Program"-TCGA――"Project"-TCGA-CESC――其他默认即可 Files 选项框依次选择――"Data Category"-Clinical――其他默认即可 这是右边可以得到 Cases 数目

307 个,Files 数目

307 个,大小是 20.04M 说明:Case 是样本的数据,Files 是文件数目,在mRNA 的数据时,经常出现 Cases 的数 目和 Files 的数目是丌相等的,这是因为,一个样本可能有多份数据. 全国统一服务热线:400-6506-908 官方网站:www.biomiao.com 地址: 北京市西城区马连道六号鼎观大厦 706-707

邮箱: [email protected]

3、点击"Add all files to the cart",然后进入右上角的"Cart"进入数据展示和下载页面 说明:"Cart"是TCGA 数据库类似购物车的一个工具,里面是我们选到的数据界面.

4、在"Cart"页面中,我们需要下载

3 个数据:Metadata、"Download"-Manifest、Cart 说明: Metadata:最后一次随访的临床数据 Manifest:样本注释文件,主要用于 Data Transfer Tool 工具下载数据时使用 Cart:压缩包,包含所有的 XML 文件,也就是临床数据的压缩包文件.

5、TCGA 数据库在数据下载有规定:让Cart 文件夹大于 50M 时(这个依据网络情况,和 下载用户数目) , 只能通过 Data Transfer Tool 工具进行下载. 我们这里的 Cart 时20.04M, 全国统一服务热线:400-6506-908 官方网站:www.biomiao.com 地址: 北京市西城区马连道六号鼎观大厦 706-707

邮箱: [email protected] 一般情况可以直接下载压缩包. 注: 后面 mRNA 的内容, 我们会讲解如何使用 Data Transfer Tool 工具下载数据.

6、下载好所有需要的数据之后,我们需要用 perl 脚本提取文件里面的临床数据.我们首先 把gdc_download_20170405_074438.tar.gz 这个压缩包解压,解压得到

307 个文件夹, 也就是一本样本一个临床数据文件夹.

7、把307 个文件夹、MANIFEST.txt、get_clinical.pl 脚本放在一起,我们在 CMD 里面输 入代码"perl get_clinical.pl MANIFEST.txt",按回车,脚本文件开始运行,运行完就可以 得到我们需要的 clinical.txt 全国统一服务热线:400-6506-908 官方网站:www.biomiao.com 地址: 北京市西城区马连道六号鼎观大厦 706-707

邮箱: [email protected] 博淼生物 项目部