TCGA | GEO | 文献阅读 | 数据库 | 理论知识
R语言 | Bioconductor | 服务器与Linux
最近有粉丝留言，TCGA数据库发生更新，下载的数据和之前的不一样。比如转录组，之前是HTSeq流程的数据，现在是STAR-Counts的数据。具体的数据信息参考：https://docs.gdc.cancer.gov/Data/Release_Notes/Data_Release_Notes/#data-release-320
下载后的数据，打开是这样的。都放在了一个文件中。
这里分享一下怎么提取数据。
数据的下载和之前的教程一样【14-TCGA数据库下载整理】。只不过这里选择的是STAR-Counts了。加入购物车后下载下面的文件。
我先写2个函数，一个是处理读入json文件的函数，该文件包括文件信息和样本barcode的关系。
jsonFile是下载的json文件的完整路径。
下面的函数是提取数据的函数。
filepath 是下载的数据路径。通过dir等类似的函数获取的路径向量。比如，我们下载的数据是一个压缩包，解压后，将文件名重新命名为data。
jsonFileInfo是processingJsonFiles函数获取的结果。
data_type是下面中的一种。
"unstranded";
"stranded_first";
"stranded_second";
"tpm_unstranded";
"fpkm_unstranded";
"fpkm_uq_unstranded"
对应文件中的信息
下面就可以获取数据了，想要什么就获取什么。一般就是TPM和FPKM。
原来TCGA数据库的下载，使用TCGAbiolinks包是否还可以处理数据，我还没有试，但下载数据应该是没有问题的。
对于之前版本的数据。我之前文章【数据库数据 | TCGA数据库33种癌症的 transcriptome profiling (RNA-Seq) 数据】有已经处理好的数据，大家可以下载。
最后，有用的给个赞赏！