R语言合并TCGA中CNV矩阵

上一期给大家介绍了如何从TCGA数据库下载拷贝数变异（CNV）数据

☞ 如何下载TCGA拷贝数变异（CNV）数据

    今天我们来聊一聊如何将每一样本的CNV数据，合并成一个矩阵，方便后续的处理和分析。前面小编已经跟大家介绍过

☞ R代码合并新版TCGA数据库RNAseq表达谱数据

☞ 零代码合并新版TCGA数据库RNAseq表达谱数据

☞ R代码合并TCGA体细胞突变数据

☞ R代码合并TCGA数据库中DNA甲基化数据

☞ 合并TCGA表达谱数据，生存状态和生存时间

其实合并CNV数据的思路跟前面☞ R代码合并新版TCGA数据库RNAseq表达谱数据 的思路是一致的。

在正式合并之前，我们先打开一个样本的CNV数据看看，是什么样的格式。

第一列是基因的Ensembl基因ID，第二列是对应的基因名字，第3-5列为该基因在染色体上的位置。第6-8列为该基因的拷贝数。我们知道人是二倍体，一般来说一个基因2个拷贝是正常的，如果>2，那么就发生了拷贝数增加，如果<2，那么就发生了拷贝数减少。

对于TCGA-CHOL这个项目，我们一共有36个样本。所以我们需要先从下载的sample sheet文件中获取每个样本CNV文件的路径和名字。下图就是我们的sample sheet，前两列分别为存放CNV文件的文件夹的名字，和CNV文件的名字。

然后通过循环依次去读取这36个文件中的信息，最终按列合并起来得到最后的CNV矩阵。如下表所示，每一行是一个基因，每一列是一个样本。格子里的数字代表这个基因在这个样本里的拷贝数。