24年TCGA GDC 2.0界面介绍及数据下载教程

生信喵

[i=s] 本帖最后由 生信喵 于 2024-12-22 20:14 编辑 [/i]

背景

TCGA（The Cancer Genome Atlas）GDC（Genomic Data Commons）data portal 2.0是2024年全新推出的癌症基因组数据共享平台，此版本界面采用了最先进的Web技术，为用户提供了更加直观、互动性强的数据浏览体验。新版界面的设计注重用户友好性，以直观的信息布局和流畅的操作流程，大幅提升了数据检索的效率。

PS：新版功能比较多，详细介绍请查看Release Notes – GDC Docs。

此处，咱们以常规数据下载流程为目的简要介绍：

1. 首页

GDC Data Portal 2.0的标题包含常用链接和功能。

左上角是 GDC Data Portal 徽标，它链接到 GDC Data Portal 的主页。徽标下方是按以下顺序排列的链接：

• 分析中心：用于访问 GDC 数据门户中所有工具的中心枢纽；

• 项目：允许浏览 GDC 数据门户中的所有项目；

• 队列生成器：队列生成器工具由各种临床和生物样本过滤器组成，用于构建用于分析的自定义队列；

• 存储库：允许浏览与队列关联的文件。

2. 分析中心

对于分析中心（Analysis center），网站提供了很多方便的分析功能，大家可以自行摸索。尤其对于单个基因或者少数基因数据的获取可以基于gene expression clustering获得，不用下载完整的数据。

3，队列生成器

使用数据分析和数据存储库之前需要通过队列生成器（cohort builder）创建自己感兴趣的cohort，比如TCGA-LIHC，选好之后自定义命名lihc：

4. 存储库

转到存储库（Repository），选择自己的cohort，选择自己需要的数据类型

4.1 RNA测序数据

filter中勾选策略如下：

Experimental Strategy：RNA-Seq

Data Type：Gene Expression Quantification

Workflow Type：STAR – Counts

前俩选择好就可以了，显示如下，同1.0版本网站，add all files to cart：

4.2 miRNA数据

Experimental Strategy：miRNA-seq

Data Type：Isoform Expression Quantification（for isoform，包含5p/3p的数据）；miRNA Expression Quantification（相当于stem-loop的定量数据，不区分5p/3p）

Workflow Type：BCGSC miRNA Profiling

同上，add all files to cart。

4.3 突变数据

Experimental Strategy：WSX

Data Type：Masked Somatic Mutation

Workflow Type：Aliquot Ensemble Somatic Variant Merging and Masking

同上，add all files to cart。

5. 下载数据

点击右上角购物车（Cart）进入购物车：

同GDC1.0，咱们需要下载两个文件用于整合数据：Download Cart（Cart）和Download Associated Data（Metadata）。

下载sample sheet用于后续整理。

如果网页下载cart比较慢，和以前一样，使用gdc-client下载。

windows命令

gdc-client download -m gdc_manifest.2024-12-22.185431.txt

同时还可以下载clinic data，TSV格式和metadata即可。

下载数据后，就可以进行数据整理了。