對于研究cancer相關(guān)的小伙伴們，相信你們在看文獻(xiàn)的過程中，經(jīng)?？梢钥吹接行┳髡呃肨CGA數(shù)據(jù)庫里的數(shù)據(jù)進(jìn)行分析、整合，得到很多有意思的思路。那么TCGA數(shù)據(jù)庫是個啥？里面有寫什么東西？我也很好奇，所以決定來學(xué)習(xí)一下這個數(shù)據(jù)庫的相關(guān)知識和使用。
這里有幾篇參考文章：
1.TCGA數(shù)據(jù)庫簡介--生信修煉手冊
2.醫(yī)學(xué)生信(一) TCGA和GEO介紹
3.TCGA數(shù)據(jù)庫-腫瘤基因組圖譜
Q1：TCGA數(shù)據(jù)庫是什么？
TCGA: The Cancer Genome Atlas Program。 翻譯過來的意思是：癌癥基因組圖譜計劃。顧名思義，這個數(shù)據(jù)庫是收錄癌癥患者相關(guān)信息的。目前收錄了來自20000個病人，33個癌癥的數(shù)據(jù)。
官方網(wǎng)站：https://www.cancer.gov/about-nci/organization/ccg/research/structural-genomics/tcga
打開長這樣：
Q2：TCGA數(shù)據(jù)庫里都儲存了什么信息？
1、臨床樣本信息：Biospecimen、Clinical
2、測序數(shù)據(jù)：RNA sequencing， MicroRNA sequencing， DNA sequencing，SNP-based platforms，Array-based DNA methylation sequencing，Reverse-phase array(RPPA)。可以說包括了基因組，轉(zhuǎn)錄組，表觀遺傳，蛋白組等各個組學(xué)數(shù)據(jù)。
NOTE: 這里面不是所有的信息都可以下載的，有些你可以下載到，有些卻不能。測序數(shù)據(jù)共分為四層：level1、level2、level3、level4，其中，level3、level4的數(shù)據(jù)一般都開放下載的，level1是最原始的數(shù)據(jù)，level2是做了進(jìn)一步的處理的，這些數(shù)據(jù)一般是不開放的，需要申請才能下載。
Q3：這個網(wǎng)站收集的數(shù)據(jù)那么多，我怎么知道應(yīng)該去哪兒找到我想要的數(shù)據(jù)？
上面簡單的說了一下這個數(shù)據(jù)庫里有什么，那么這些數(shù)據(jù)應(yīng)該在哪里下載？上面的官方網(wǎng)站向下拉，你會看到這些：
點(diǎn)擊"Access TCGA Data"這一塊，然后會轉(zhuǎn)到下面這個頁面：
那么我們需要的數(shù)據(jù)都在哪里呢？
根據(jù)網(wǎng)上的教程：使用GDC在線查看TCGA數(shù)據(jù)， 這個數(shù)據(jù)庫為了方便管理大量的數(shù)據(jù)，建立了一個統(tǒng)一的數(shù)據(jù)模型，如下所示：
最高層級為program,對應(yīng)不同的數(shù)據(jù)來源，如TCGA, TARGET等；第二層為project, 代表一系列患者對應(yīng)的；第三層為case,代表的是同一個患者的所有相關(guān)數(shù)據(jù)，包括SNV, CNV，基因表達(dá)譜等多種數(shù)據(jù)，需要注意的是case和sample是一對多的關(guān)系，一個患者可以取多份樣本；最后一層是每個case相關(guān)的數(shù)據(jù)，即Files, 數(shù)據(jù)類型是多種多樣的，包括序列，基因表達(dá)譜，SNV, CNV, 甲基化，臨床信息等多種數(shù)據(jù)。
那么根據(jù)教程里的，下面就來探索一下這個網(wǎng)站。首先試著點(diǎn)擊上面打開的網(wǎng)頁里綠色方塊的"Projects"：
可以看到左邊有一欄可以供你選擇，那么按照課程說的，最高級是Program，這里可以看到有TCGA、TARGET、GENIE等等數(shù)據(jù)庫來源可以選擇。那么接下來就是projects了（Primary Site），你可以選擇疾病類型，比如腎、腸、乳腺之類的。比如這里，我在projects里輸入的是head and neck，然后program我選擇的是TCGA數(shù)據(jù)庫，那么根據(jù)我的過濾條件，得到這樣的結(jié)果：
然后點(diǎn)擊TCGA-HNSC，就可以看到summary信息：
再往下拉，你會看到對應(yīng)每一種的primary site有多少例case:
Q4：大概知道了我想要的數(shù)據(jù)在哪里了，那么如何下載？
還是根據(jù)課程里的走，你可以從以下3個方面來查看和篩選數(shù)據(jù)：
（1）Cases
（2）Genes
（3）Mutations
這里以case為例。剛才我找到了13個primary site的case，比如說我只想要第一種：base of tongue的case數(shù)據(jù)。那么點(diǎn)擊"24"，會彈出下面的頁面：
點(diǎn)擊第一個case:TCGA-CV-7406：
那么在這個頁面，你可以看到一些測序的信息，在Experimental strategy一欄里。比如我對RNA-seq的信息感興趣，可以點(diǎn)開看一下：
這里你就可以看出來，有些文件是open的，你可以下載，而有些則是controlled的，是沒法下載的，需要申請。那么仔細(xì)一看這些可以下載的數(shù)據(jù)，有的是htseq.count，有的是FPKM，還有的是FPKM-UQ，這些都代表什么意思呢？
教程里（醫(yī)學(xué)生信(一) TCGA和GEO介紹）告訴我們了，根據(jù)這張圖，你就大概知道這些可以下載的數(shù)據(jù)都經(jīng)過哪些處理了：
那么知道了自己想下載的數(shù)據(jù)在哪里，你只需要點(diǎn)擊你選擇的那一行的購物車的圖標(biāo)，就可以下載啦。這是對于少量數(shù)據(jù)下載的方式，如果你需要下載特別多的數(shù)據(jù)，有另外的方法可以進(jìn)行。
