Skip to content

基因體學 › 癌症基因體 › TCGA 與 GDC

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
barcodeTCGA-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

相關:Bioconductor:SummarizedExperiment、RNA-seq 分析、存活分析。