参考：(17条消息) tcga 数据下载 - CSDN 下载过程如图所示 gdc官网上找到了gdc-clinnet，复制链接，wget 下载和unzip解压后 manifest.2022-04-20.txt 是提前在GDC选择好case和files 后下载的，然后上传到linux 的TCGA文件夹
为获取文件名和TCGA样本名之间的映射关系，需利用Python对TCGA metadata.json数据进行处理时，期间需要对metadata.json进行标准化； 1.JSON数据读取 1 import pandas as pd 2 3 jsonPath = r"E:\IT Development\Data\metadata.cart.2021-11-27.json" 4 json = open(jsonPath).
作业链接 0.作业题目 从ucsc的xena浏览器里面下载感兴趣癌症，比如肝癌的表达矩阵（counts值）然后根据样本名字拿到有配对的几十个病人的癌症和正常对照数据（部分癌症数据并没有对照）接着提取感兴趣基因（比如TP53）的表达量最后套用上面的绘图代码即可！ 1.数据下载 下载网址 然后
作业4-1：https://mp.weixin.qq.com/s/GHaulIJt5ebvu_x3_x6ptQ 相关代码仍然参考：Word-cloud TCGA-2018 文章 2018的TCGA的泛癌项目论文全部发表在Cell及其子刊上，文本文件如下： 词云代码： library("tm") library("SnowballC") library("wordcloud") library("RColorBrewer")
论文地址：Predicting drug response of tumors from integrated genomic profiles by deep neural networks 利用深度神经网络预测整合基因组谱的肿瘤药物反应作者信息：Yu-Chiao Chiu1, Hung-I Harry Chen1,2, Tinghe Zhang2, Songyao Zhang2,3, Aparna Gorthi1, Li-Ju Wang1, Yufei
TCGA的数据可以通过API访问， 每个数据都有对应的多个属性，比如文件id（file_id）, 病人编号（case_id以及barcode），case_id 和file_id 都是采用的UUID进行标记， barcode即submitter_id. 在GDC的首页选中一些DNA甲基化数据，如下： 可以看到数据包含了一个Cases， 两个Files，这里面选择的项目是TCGA-
TCGA（The Cancer Genome Atlas）项目完成后，最终和其它的一些肿瘤医学项目一起归档在 GDC Portal网站，方便人们访问。 网址是 https://portal.gdc.cancer.gov 其中除了TCGA的数据还有其它一些医学项目产生的基因测序数据，以及临床信息数据。 网站首页如下： 左侧可以点击Projects 根据
最近开始分析TCGA这个数据库中的一些SNV信息（single nucleotide variation）. 先整理出第一篇知识列表，如下： TCGA的全称和目的 TCGA中的样本来源和编号 TCGA中各样本的突变类型 肿瘤的突变频率举例 1. TCGA的全称和目的 全称- The Cancer Genome Atlas， 译作癌症基因组图谱，是美
TCGA大名我们都不陌生了，其海量数据便于我们找到有研究价值的基因，再展开后续的研究。万事开头难，筛选基因时就好不容易学了一堆技术，开完头发现后边更迷茫，怎么办？酸菜大大把整个过程给我们整理出了八大问题，说清其中的思路。今天先来看看前四步，怎样获得靶基因，并确定它具有值得研究的表型
sangerbox 第三方软件下载TCGA数据 http://sangerbox.com/
1. cBio数据库 （https://www.cbioportal.org/） 此数据库信息相对较全，日常可用 左侧区域是各种癌症组织的研究，数字表示某肿瘤中研究个数。 中间是所有研究，可根据左侧栏选择，默认显示全部。小书的图标点开可以下载pubmed文献资源及数据； 饼图图标可以看某癌症详细
