转录组数据的下载及整理

TCGA转录组数据下载与整理

我们推荐是使用官网进行下载。我们首先打开浏览器，然后在搜索框里面搜索TCGA gdc，然后进入下载数据的界面。
我们进入了界面后，我们要做的第一步就是看我们这个Cart购物车是否为零，如果Cart不为零的话，我们需要把它里面的数据删掉。然后点击Repository进入数据下载界面，接着我们选择我们的疾病类型，比如说我们现在要做胃癌的，我们就选择胃组织，然后选择项目、类型、性别等，这个可以根据自己的需求进行选择下载。

选择好要研究的类型后，接下来我们要选择文件的类型，我们要下载转录组的数据，所以我们选上转录组数据，选择基因的表达量等，然后就可以把选择好后的数据加入到Cart里面下载。我们需要下载几个数据，分别是manifest文件、Cart文件和metadata文件。这样我们的转录组数据就下载好了。

我们下载好了数据后，我们的每个样品都是一个文件，我们需要把它整理成如下的矩阵，这个矩阵的话行名是ID，列名是样品名。同时我们在整理的时候也会把正常样品放前面，把肿瘤样品放后面，方便我们后续的分析。

下面我们就对我们下载的数据进行整理，我们需要准备的文件有我们下载好的打包文件和metadata文件，还有我们整理要用的脚本pl文件，我们先将安装包文件解压，然后我们将moveFiles.pl脚本拷贝到解压后的文件夹中，用perl运行该脚本文件，这样我们就可以将每个目录下的文件全部放入同一个目录下。

之后我们解压文件里所有的压缩包，等到解压后的文件，接着利用merge.pl脚本将所有的文件进行合并，得到合并后的文件

免疫基因对id的转换
通过我们前面数据的整理，我们得到一个行名为id列名为样品名的矩阵，接下来我们需要对这个矩阵进行转换，得到一个行名为基因的名称，列名为样品名的一个矩阵。
我们在发表文章的时候，我们用这个id去发表文章的不多，我们大多数文章是用基因的名字来去做后续的分析，然后发表相应的文章。

下面我们看一下，怎么进行id的转换。我们要准备的输入文件是我们之前得到的mRNA的矩阵文件，还有一个人的配置文件以及我们的脚本文件，我们将这些文件准备好后，就可以进行id的转换。

用pl运行我们的脚本，我们就会得到id转换后新的一个矩阵，可以用做后续的分析。

课程链接：