后台留言领取SCI写作秘笈!
TCGA(The cancer genome atlas,癌症基因组图谱)由 National Cancer Institute(NCI,美国国家癌症研究所) 和 National Human Genome Research Institute(NHGRI,美国国家人类基因组研究所)于 2006 年联合启动的项目, 收录了各种人类癌症(包括亚型在内的肿瘤)的临床数据,基因组变异,mRNA表达,miRNA表达,甲基化等数据,是癌症研究者很重要的数据来源。
01A:癌症组织
01B:福尔马林浸泡样品
02A:复发组织
06A:转移组织
一般只留下01A
样品的肿瘤组织样品做差异表达和生存分析,并且对于重复样品,随机选取一个
cases表示患者个数
files表示样品个数
TCGA数据库不是所有患者都有表达信息,有的患者只有临床信息
而没有表达信息。如TCGA-LUAD数据集,RNA-seq-data
中有515个cases
,594个files
。而clinical-data
却有522个cases
在TCGA中,一个患者可能会对应多个样本,如TCGA-A6-6650可以得到3个样本数据:
TCGA-A6-6650-01A-11R-1774-07
TCGA-A6-6650-01A-11R-A278-07
TCGA-A6-6650-01B-02R-A277-07
一般在做TCGA数据分析的时候样本名实际上只保留到前四个元素(以”-“分割),例如TCGA-A6-6650-01。所以实际上上示3个样本一般只保留一个。
所以现在看这三个样本:
TCGA-A6-6650-01A-11R-1774-07
TCGA-A6-6650-01A-11R-A278-07
TCGA-A6-6650-01B-02R-A277-07
其区别就在于,前两个使用的是患者的冰冻组织
做的测序,而第三个用的是福尔马林固定石蜡包埋组织
;而前两个样本的区别在于同一组织后续使用了不同的96孔板
。
理解了命名规则及三者命名上的主要区别后,现在可以重点解决如何从一个患者的多个样本中挑选样本的问题了,首先排除TCGA-A6-6650-01B-02R-A277-07,因为是-01B,福尔马林固定石蜡包埋组织!剩下的两个:
TCGA-A6-6650-01A-11R-1774-07
TCGA-A6-6650-01A-11R-A278-07
先看看GDAC firehose遇到这种情况怎么解决,总结起来就是:
对RNA数据来说,Analyte为R的优先级最该,其次是R和T,而对于DNA层面的分析来说,D的优先级最高。
如果Analyte相同,那就选择Portion和/或Plate值更大的。所以按照GDAC firehose的方法,最终保留TCGA-A6-6650-01A-11R-A278-07,因为其相对于TCGA-A6-6650-01A-11R-1774-07的板号(Plate)更晚。
然后是cBioPortal中的处理方式:
随机选择了一个,理由很简单啊,来源于同一个患者的癌组织样本差别不大。
科研路漫其修远兮,吾将上下而求索,有烦恼苦闷或者有趣好玩的事情记得告诉小助理,希望陪伴您一起成长。
踌躇满志无限期
扬帆起航正当时
科研小助理为您在线解答
点在看,SCI发到手软
联系客服