外觀
TCGA 與 Genomic Data Commons (GDC)
TCGA(The Cancer Genome Atlas)是 NCI 與 NHGRI 主導的計畫,對 33 種癌症、超過 11,000 位病人做了基因組、轉錄體、甲基化、蛋白質與臨床資料的系統性定序。資料現由 NCI 的 GDC 統一管理,並以 GRCh38 重新處理 (harmonized);GDC 也收錄 TARGET、CPTAC 等其他計畫。
| 項目 | 內容 |
|---|---|
| 入口 | GDC Data Portal |
| 資料類型 | WES / WGS 變異(MAF)、RNA-seq counts(STAR)、miRNA、甲基化陣列、CNV、臨床與存活、病理影像 |
| 存取權限 | 開放:處理後的摘要(counts、遮蔽過的 MAF、CNV 區段);受控:原始 BAM、germline 變異,需 dbGaP 申請 |
| 下載 | 網頁加入購物車 → manifest → gdc-client;或 GDC API |
分析工具
| 工具 | 用途 | 何時用 |
|---|---|---|
| TCGAbiolinks(R) | 查詢、下載、整理成 SummarizedExperiment | 程式化取得資料做分析 |
| cBioPortal | 突變、CNV、表現量的互動瀏覽與存活分析 | 快速查某基因在各癌別的變異頻率 |
| UCSC Xena | 多體學資料視覺化與下載(含 TCGA Pan-Cancer) | 跨癌別比較、直接下載整理好的矩陣 |
| GEPIA | 腫瘤 vs 正常表現量、存活 | 簡單的表現量查詢 |
r
library(TCGAbiolinks)
q <- GDCquery(project = "TCGA-LUAD", data.category = "Transcriptome Profiling",
data.type = "Gene Expression Quantification", workflow.type = "STAR - Counts")
GDCdownload(q)
se <- GDCprepare(q) # SummarizedExperiment:counts + 臨床資訊(見 Bioconductor 筆記)
# 依 TCGAbiolinks 官方文件整理,未在本機實跑(需連線下載)使用注意
| 注意 | 說明 |
|---|---|
| 正常對照 | TCGA 的「正常組織」多為腫瘤旁組織,數量少,且不一定真正正常;要比較正常組織可搭配 GTEx(注意批次差異) |
| 批次與中心 | 樣本來自多個收案中心與定序批次;分析時檢查批次(TCGA barcode 含中心與 plate 資訊) |
| 腫瘤純度 | bulk 樣本混有基質與免疫細胞,表現量與 VAF 都受影響 |
| 族群代表性 | 以歐裔為主 |
| 臨床資料品質 | 存活追蹤時間與治療紀錄不完整,建議使用 TCGA Pan-Cancer Clinical Data Resource(TCGA-CDR)的整理版 |
| barcode | TCGA-05-4244-01A:01–09 為腫瘤、10–19 為正常;同一病人的多個樣本要能對應 |