Skip to content

Latest commit

 

History

History
122 lines (71 loc) · 8.87 KB

tgca-introduction.md

File metadata and controls

122 lines (71 loc) · 8.87 KB
Raw

一堆TCGA数据挖掘实例

首先需要了解TCGA计划背景知识及数据下载方法汇总

TCGA的28篇教程往期目录如下：

使用R语言的cgdsr包获取TCGA数据 （cBioPortal）

TCGA的28篇教程- 使用R语言的RTCGA包获取TCGA数据 （离线打包版本, FireBrowse）

TCGA的28篇教程- 使用R语言的RTCGAToolbox包获取TCGA数据 （Broad Institute FireBrowse portal）

TCGA的28篇教程- 批量下载TCGA所有数据 （ UCSC的 XENA）

因为TCGA实在是一个跨时代的癌症研究项目，不能在下载这个基础环境耽误太多的功夫，下载渠道再多，也只需要一个好用的即可！

我以前在生信技能树论坛也写过 TCGA数据下载合集：

以前下载TCGA数据非常简单，都在一个远程电脑里面

现在下载TCGA数据也是非常方便，首先是GDC网站及客户端 (基于mysql数据库进行条件过滤)

现在下载TCGA数据也是非常方便，然后是firehose网站及客户端 (基于远程电脑文件夹及文件名过滤)

现在下载TCGA数据也是非常方便，接着是cgdsR和cbioportal (基于TCGA大文章分篇下载)

现在下载TCGA数据也是非常方便，倒数第二个是Synapse (基于作者整理TCGA数据上传)

现在下载TCGA数据也是非常方便，最后是各种杂七杂八的工具

下面就简单罗列几个还算是比较流行的TCGA下载器吧：

GDC官方下载工具

GDC给出了一系列的用户友好的选择框，你只需要根据条条框框来选择就可以下载到自己想要的数据，而不需要去几百个文件夹里面漫无目的的查找了。 https://portal.gdc.cancer.gov/legacy-archive/search/f 根据自定义搜索过滤条件拿到了 mainfest 文件就可以啦。（可能需要一点点linux基础，或者看视频指导）

GDC客户端的说明书是：https://docs.gdc.cancer.gov/Data_Transfer_Tool/Users_Guide/Getting_Started/ 傻瓜式软件，非常简单！ https://docs.gdc.cancer.gov/Data_Transfer_Tool/Users_Guide/Data_Download_and_Upload/ 一般人只需要根据你搜索过滤得到的mainfest进行GDC下载数据即可，下载下来的文件，是每个样本一个文件夹，需要合并，需要了解为什么用XML来存储信息

实例文章

文章虽然发表在 Oncotarget. 2015 Apr 30; 题目是：Integrated genomic analysis identifies subclasses and prognosis signatures of kidney cancer. 但是这个思路相关的几千篇文章都是差不多的，务必打印出该文章，通读全文。

再比如下面的3个文章：

https://mp.weixin.qq.com/s/J-vaFq1Vv-zR1LC0Wop1zw https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5051943/figure/djw200-F2/ https://www.ncbi.nlm.nih.gov/pubmed/24893932

  • Sixteen of the 111 most significantly altered miRNAs were associated with OS across different clinical subclasses of the TCGA-derived LUAD cohort.
  • A linear prognostic model of eight miRNAs (miR-31, miR-196b, miR-766, miR-519a-1, miR-375, miR-187, miR-331 and miR-101-1) was constructed and weighted by the importance scores from the supervised principal component method to divide patients into high- and low-risk groups.
  • Patients assigned to the high-risk group exhibited poor OS compared with patients in the low-risk group (hazard ratio [HR]=1.99, P <0.001).
  • The eight-miRNA signature is an independent prognostic marker of OS of LUAD patients and demonstrates good performance for predicting 5-year OS (Area Under the respective ROC Curves [AUC] = 0.626, P = 0.003), especially for non-smokers (AUC = 0.686, P = 0.023).

癌症背景知识

看TCGA计划可以发现ccRCC患者的VHL基因异常频率很高，如下所示：

比如 2018年就终于研究出肾癌新的ZHX2是VHL靶点，这就是科学探索。

透明细胞肾细胞癌（Clear cell renal cell carcinoma, ccRCC）是肾癌的一种亚型，它其中一个特征是约90％的ccRCC患者的von Hippel-Lindau（VHL）基因失活。VHL是E3泛素连接酶复合物（通过靶向脯氨酰-羟基化的蛋白质，来发挥蛋白酶体降解的作用）的底物识别亚基*。VHL*的典型靶标是缺氧诱导因子（hypoxia-inducible factor, HIF，一种在富氧条件下不稳定的转录因子）的α亚基。HIFα在ccRCC发育早期成为稳定因子，诱导促进血管生成和细胞内代谢重编程的转录活动的发生。寻找HIFα以外的、逃脱被降解命运，并促肿瘤发生的VHL底物是一种潜在的ccRCC新疗法。最近一期的《科学》（Science）杂志上，Zhang等人发现了一种新的VHL靶标ZHX2（zinc fingers and homeoboxes 2）。ZHX2通过调节核因子B（NF-KB）信号传导来促进ccRCC肿瘤发生，它可能是治疗ccRCC的新靶标。文章是：Danielle J. Sanchez. (2018) Transcriptional control of kidney cancer. Science , 6399:226-227.

全代码流程：

这些都是价值1000的代码，你看我我在生信技能树的推文就理解，为什么是这个定价了：https://mp.weixin.qq.com/s/hOgiWzvkWZLNKX1LDvrAaw 但是要想完全吃透我的代码，你肯定是需要有R语言知识的。我在B站的一系列免费R教学视频应该是可以帮助你的。

既然代码免费放送给你了，但我还是希望你尊重我代码，不懂就不要瞎修改，而且如果真的对你有帮助，也欢迎打赏！！！

超出100块钱的可以在微信打赏的同时留言你的邮箱地址，有神秘大礼赠送哦！！！

捐赠我

统计学背景

需要掌握的知识较多，包括：

  • PCA分析
  • LASSO回归
  • COXPH

直接在生信技能树公众号搜索，都可以看到系列教程，不赘述。

机器学习(Machine Learning)

主要参考我的GitHub：https://github.com/jmzeng1314/ML 机器学习分类

广义来说，有三种机器学习算法

1、 监督式学习

工作机制：这个算法由一个目标变量或结果变量(或因变量)组成。这些变量由已知的一系列预示变量(自变量)预测而来。利用这一系列变量，我们生成一 个将输入值映射到期望输出值的函数。这个训练过程会一直持续，直到模型在训练数据上获得期望的精确度。监督式学习的例子有：回归、决策树、随机森林、K – 近邻算法、逻辑回归等。

2、非监督式学习

工作机制：在这个算法中，没有任何目标变量或结果变量要预测或估计。这个算法用在不同的组内聚类分析。这种分析方式被广泛地用来细分客户，根据干预的方式分为不同的用户组。非监督式学习的例子有：关联算法和 K – 均值算法。

3、强化学习

工作机制：这个算法训练机器进行决策。它是这样工作的：机器被放在一个能让它通过反复试错来训练自己的环境中。机器从过去的经验中进行学习，并且尝试利用了解最透彻的知识作出精确的商业判断。 强化学习的例子有马尔可夫决策过程。

常见机器学习算法名单

这里是一个常用的机器学习算法名单。这些算法几乎可以用在所有的数据问题上：

  • 线性回归
  • 逻辑回归
  • 决策树
  • SVM
  • 朴素贝叶斯
  • K最近邻算法
  • K均值算法
  • 随机森林算法 (random forest)
  • 降维算法
  • Gradient Boost 和 Adaboost 算法