 1、问：TCGA数据库能做什么，是否需要收费？ 答：TCGA数据库是美国国立癌症数据库，所以是专门用来分析癌症的数据库，不是做癌症的学员可以绕过，找找其他如GEO芯片数据库；TCGA数据库是政府开放提供给全球科研人员的，下载开放数据是完全免费的，这对于学员来说是个福利，因为TCGA数据库包含了很多数据，有转录数据，甲基化数据，核苷酸序列，cope number等，另外一个非常关键的有临床信息，这么说基本你可以把平时所学的生信分析方法都用到这个数据库了。 2、问：TCGA数据是直接下载吗？下载下来是什么格式？ 答：TCGA数据库不同数据保存的格式是不同的，基本上的思路是一个样本保存在一个文件中，单个文件比较大的，还会压缩成一个压缩包，当然学员最关系的就是，是否可以打包下载，让大家失望了，改版后的TCGA否定了大家的想法，官方提供了一个专业的下载工具，gdc.exe。很多学员在网上搜索到了一些其他方法和其他工具，建议使用官方工具下载，保证数据的完整性和可靠性。 3、问：为什么我的gdc.exe下载老是报错？ 答：常见的癌症都有500左右的样本，每个样本就是一个文件夹，gdc工具是根据menifast文件里面的样本代号在数据库后台下载，是一个一个文件下载，这个就考验大家的网速，有时候卡一下，一个样本没下载，gdc工具就会跳过下载下一个，如果连续报错，那就换个时间重新下载。一般情况下，如果网速好，不是用网高峰，下载是不会出错的，在TCGA数据库选择癌症的时候，cart就会显示样本的数量，下载好需要检查下下载文件的数据，如果还有个位数的文件没有下载，直接输入命令把单个样本下载下来就可以了：gdc....exe download 一串字符的样本代号。这个代号在下载的时候报错会显示，复制就好了。如果超过10个以上的报错，那直接重新下载吧，重新数据下载命令，这里不需要把之前下载的删除，工具会自动识别覆盖。 4、问：文献里面经常用到的TCGA数据库lncRNA数据在哪里？怎么找不到？ 答：如果是单独分析基因的，就不需要考虑这个问题，这也是我们基础课程给大家讲的内容；如果大家的分析设计到了lncRNA，那么需要学习ceRNA网络构建的课程，由详细讲解如何提取lncRNA。其实lncRNA的数据是包含在基因数据里面的，我们可以搜索一下基因，就会知道基因包含很多分类，我们从TCGA数据库提取的基因矩阵，主要包括mRNA和lncRNA以及其他一些基因，有了这个认识，就好办了，因为很多学员根本不知道lncRNA数据在哪里。下载的原始数据用的是Ensembl id，我们是经过转换才得到了基因，其实在Ensembl官网就可以查询Ensembl id，查看这个基因就是是什么分类，当然一个一个查询是不实现的，因为我们有5W多个基因，所以需要用基本把这个分类注释上去，然后直接分类就可以分离lncRNA。 5、问：TCGA临床数据需要在哪里找？ 答：这个问题非常多学员问到，现在常见的分析都有生存分析，生存分析与实际应用联系紧密，生存分析就必须用到临床信息。如果只需要简单的临床信息，cart里面的metadata文件就可以找到，Metadata文件包含了生存时间和生存状态等临床信息。如果需要详细的临床信息，需要下载XML文件，一个样本临床保存一个XML文件内，下载之后提取就可以得到xls格式文件，方便的使用临床信息。 今天先回答这些问题，可以关注微信公众号或者加客服QQ获得更多解答。 
责任编辑：伏泽 作者申明：本文版权属于生信自学网（微信号：18520221056）未经授权，一律禁止转载！ |
