我們平時使用TCGA的使用，基本都是下載臨床特征數(shù)據(jù)，生存數(shù)據(jù)，基因表達(dá)量，高級一點(diǎn)的還可以去下載體細(xì)胞突變，拷貝變異數(shù)和DNA甲基化等。如果知道一些算法，還可以去獲取MSI（微衛(wèi)星不穩(wěn)定性）、腫瘤免疫微環(huán)境等等。
但是，TCGA的數(shù)據(jù)遠(yuǎn)不止于此，關(guān)于腫瘤學(xué)研究，尤其是病理學(xué)醫(yī)師，可能更關(guān)心的是獲得病理學(xué)報告和切片圖像等信息，其實(shí)在HPA數(shù)據(jù)里我們也是可以看到一些患者的組織學(xué)切片的圖片，今天我們講講如何通過R語言包TCGAbiolinks獲取病理學(xué)報告和切片圖像。

安裝和加載包

由于TCGAbiolinks這個包是Bioconductor上的包，如果網(wǎng)絡(luò)不好的話，建議提前設(shè)置鏡像。

## 設(shè)置清華大學(xué)鏡像，可以提高下載速度
options(BioC_mirror="https://mirrors.tuna.tsinghua.edu.cn/bioconductor")
## 安裝TCGAbiolinks包
BiocManager::install("TCGAbiolinks")
## 加載TCGAbiolinks包
library(TCGAbiolinks)

獲取病理學(xué)報告 (PDF格式)

首先進(jìn)行查詢，然后下載，可以一次性查詢多個患者，也可以輸入患者的編碼精準(zhǔn)查詢

## 首先可以設(shè)置一個目標(biāo)文件夾
setwd("~/Desktop/TCGA/COAD") ## 設(shè)置目標(biāo)文件夾
# 從legacy獲取病理報告 
query.legacy <- GDCquery(project = "TCGA-COAD",  ## 腫瘤類型，可以修改
                         data.category = "Clinical", ##數(shù)據(jù)分類為臨床
                         data.type = "Pathology report", ## 數(shù)據(jù)類型為病理學(xué)報告
                         legacy = TRUE, 
                         barcode = c("TCGA-RU-A8FL","TCGA-AA-3972") ##制定患者編號
                         ) 

我們可以看下查詢的內(nèi)容，提示PDF是open狀態(tài)。

getResults(query.legacy)[, 1:4]

下載的話，只需要一個GDCdownload()函數(shù)即可

GDCdownload(query.legacy)

接著就是等待自動下載，這個根據(jù)網(wǎng)絡(luò)而已，由于pdf的格式較小，下載速度還是比較快的，之后就會在目標(biāo)文件夾新生成一個GDCdata的文件夾，再往下分別是/TCGA-COAD/legacy/Clinical，這里有兩個文件夾，打開后里面就是我們需要的pdf報告了。

image.png

image.png

pdf

獲取組織學(xué)切片圖像（SVS格式）

TCGA的組織學(xué)切片圖像，包括了組織切片（Tissue slide image）和診斷切片（Diagnostic Slide）兩種，數(shù)據(jù)庫有l(wèi)egacy和harmonized 兩種類型，結(jié)果都是一樣的。我們可以通過查詢函數(shù)進(jìn)行更多細(xì)節(jié)的提取，但是由于SVS格式一般都很大，我運(yùn)行的這個有100M以上，所以下載圖像數(shù)據(jù)也是非?？简?yàn)網(wǎng)速的，我們可以試著下載一兩個數(shù)據(jù)。。
先建立查詢

# 從legacy數(shù)據(jù)庫獲取組織學(xué)切片圖片文件
query.legacy <- GDCquery(project = "TCGA-COAD", 
                         data.category = "Clinical", 
                         data.type = "Tissue slide image",
                         legacy = TRUE,
                         barcode = c("TCGA-RU-A8FL","TCGA-AA-3972")) 

# 從harmonized數(shù)據(jù)庫獲取組織學(xué)切片圖片文件
query.harmonized <- GDCquery(project = "TCGA-OV",
                             data.category = "Biospecimen",
                             data.type = 'Slide Image')

## 從harmonized數(shù)據(jù)庫獲取診斷性切片圖片
query.harmonized2 <- GDCquery(project = "TCGA-COAD", 
                             data.category = "Biospecimen", 
                             data.type = "Slide Image",
                             experimental.strategy = "Diagnostic Slide",
                             barcode = c("TCGA-RU-A8FL","TCGA-AA-3972"))  

之后就是下載數(shù)據(jù)了，比如我們下載query.harmonized2的SVS圖片

GDCdownload(query.harmonized2)

接下來，就是漫長的等待，我這個數(shù)據(jù)是145.7M，大概用了20分鐘才下載完成。

image.png

打開SVS格式的圖片需要專門的閱讀器，這個搞病理學(xué)的應(yīng)該懂
網(wǎng)上有關(guān)于病理學(xué)圖片的機(jī)器學(xué)習(xí)的文章，如果想從這個方向入手的話，就慢慢下載數(shù)據(jù)吧。。。。