前面我們講過腫瘤TNM分期
我們知道T分期一般可以分成T1,T2,T3和T4四個(gè)期。另外一個(gè)常用的臨床特征是組織病理分期，一般也是分為四期stage I，stage II， stage III和stage IV。四組在我們做差異表達(dá)分析的時(shí)候是比較麻煩的。
最簡單的方法是將四個(gè)期合并成兩個(gè)期。今天天我們就來聊聊如何用R來將四分期的臨床特征轉(zhuǎn)換成二分期。
首先我們還是先來獲取相關(guān)癌癥的臨床特征。這在?TCGAbiolinks獲取癌癥臨床信息一文里面已經(jīng)講過了。這里還是以膽管癌TCGA-CHOL為例，如果對其它的癌癥感興趣，可以在?TCGA數(shù)據(jù)庫中癌癥名稱縮寫一文中找到目前TCGA中63個(gè)癌癥的縮寫。
#安裝TCGAbiolinks包
BiocManager::install("TCGAbiolinks")
#加載TCGAbiolinks包
library(TCGAbiolinks)
#下載TCGA-CHOL這個(gè)項(xiàng)目相關(guān)的臨床信息，這個(gè)項(xiàng)目是膽管癌
clinical <- GDCquery_clinic(project = "TCGA-CHOL", type = "clinical")
然后我們獲取樣本TNM分期中的T分期。根據(jù)T分期的定義，T1和T2期的腫瘤大小相對較小，所以用gsub將T1和T2替換成small，將T3和T4替換成big。這樣我們就有兩個(gè)組了，便于后面做差異表達(dá)分析。看看size較大的腫瘤跟size較小的腫瘤中，基因表達(dá)有沒有顯著差異。具體操作的時(shí)候，我們發(fā)現(xiàn)T2期實(shí)際上又進(jìn)一步分成了T2a和T2b。當(dāng)然我們替換兩次也是可以的。如果情況比這個(gè)更復(fù)雜呢，還有T2c，T2d等等，怎么辦。難道我們要一一去替換嗎？我們可以利用?正則表達(dá)式，在正則表達(dá)式中“.”可以用來匹配任意字符串，所以T2.就可以匹配我們剛才說到的所有情況。
T=clinical$ajcc_pathologic_t
T=gsub("T1.*","small",T)
T=gsub("T2.*","small",T)
T=gsub("T3.*","big",T)
T=gsub("T4.*","big",T)
對于組織病理分期stage I，stage II， stage III和stage IV，我們可以把一二期作為早期，三四期作為晚期。這里替換有一個(gè)小技巧。如果先從stage I開始替換，為了匹配所有的可能出現(xiàn)的情況我們也要使用stage I.，那么問題來了，stage I.也可以匹配stage II和stage III，這樣就會造成錯(cuò)誤。
所以我們反過來做，先從IV和III開始替換，這樣對I和II沒有影響。等III和IV都替換完了，直接把剩下的以stage開頭的都替換成early，因?yàn)槭Ｏ碌目隙ǘ际荌和II的。
stage=clinical$ajcc_pathologic_stage
stage=gsub("Stage IV.*","advanced",stage)
stage=gsub("Stage III.*","advanced",stage)
stage=gsub("Stage.*","early",stage)
參考資料：
?腫瘤TNM分期
