【TCGA-CRC】TCGA数据读取

最新推荐文章于 2026-09-13 13:43:21 发布

关注

VIP【TCGA-CRC】TCGA数据读取

本文介绍了如何从TCGA数据库中处理结肠癌（COAD）和直肠癌（READ）的RNA测序数据。首先，通过data.table::fread函数读取基因表达量文件，并检查基因ID和基因名称的一致性。接着，批量读取所有样本的TPM（Transcripts Per Million）数据，并将其合并为表达矩阵。随后，通过匹配样本ID和文件名，确保表达矩阵的列名与样本ID一致。最后，筛选出编码蛋白质的基因，并将处理后的数据保存为Rdata文件。整个过程涉及数据读取、合并、匹配和筛选，为后续的基因表达分析提供了基础。

开通可读全文 ·653 人阅读

最低0.47元/天解锁文章

写在前面

参考已有的帖子写的，但是临床数据和UCSC的不同。有知道的小伙伴欢迎指正。

rm(list = ls()); gc()
test1 = data.table::fread("./00_Rawdata/GDCdata/TCGA-COAD/Transcriptome_Profiling/Gene_Expression_Quantification/00ae9ab8-6eaa-4085-af72-26f96df97fa3/90c9f8cd-4c8c-4f07-af2f-e17db69bd561.rna_seq.augmented_star_gene_counts.tsv")
test2 = data.table::fread("./00_Rawdata/GDCdata/TCGA-COAD/Transcriptome_Profiling/Gene_Expression_Quantification/00cdff29-697a-4a17-ba67-cf55c006b827/0f35c851-1cb8-4f75-a661-eae9111b7362.rna_seq.augmented_star_gene_counts.tsv")
identical(test1$gene_id,test2$gene_id)
identical(test1$gene_name,test2$gene_name)
sum(duplicated(test1$gene_id))
sum(duplicated(test1$gene_name))
x1 <-data.table::fread("./00_Rawdata/GDCdata/TCGA-COAD/Transcriptome_Profiling/Gene_Expression_Quantification/00cdff29-697a-4a17-ba67-cf55c006b827/0f35c851-1cb8-4f75-a661-eae9111b7362.rna_seq.augmented_star_gene_counts.tsv",
                       select = c("gene_id"))
head(x1)
exp_COAD <- dir("./00_Rawdata/GDCdata/TCGA-COAD/Transcriptome_Profiling/Gene_Expression_Quantification/",
               pattern = "*.rna_seq.augmented_star_gene_counts.tsv",#*表示任意前缀，$表示固定后缀
               recursive = T)
exp_READ <- dir("./00_Rawdata/GDCdata/TCGA-READ/Transcriptome_Profiling/Gene_Expression_Quantification/",
                pattern = "*.rna_seq.augmented_star_gene_counts.tsv",#*表示任意前缀，$表示固定后缀
                recursive