|
每当想到TCGA数据库，闭上眼睛，我想到的是在美国的服务器得有多么大，保存和处理如此庞大的数据，一个样本的甲基化数据就有100多M，一个癌症的甲基化数据就有60个G，当然对于数据，我们只关心自己需要的，不是自己研究相关的，再大再多又何干。如果是做胃癌的，那么肺癌的数据对于我来说，多一个都是占用内存。既然这么说，那么TCGA数据库的基础数据，每篇论文都要先统计的数据，就是研究TCGA数据库的门槛，不跨过去，后续还谈什么分析。 既然说得那么重要，那就必须下载并整理好，得到我们有用的数据，TCGA数据库后台工作人员的思路非常清晰，做事相当有条理，就命名这一项就可以看出，对如此庞大的数据，整理的井井有条，实属不易，说到临床数据，TCGA采用的是比较流行的储存格式，XML文件，大眼一看，好陌生的样子，有学习或接触过网站设计的朋友就很熟悉，这个就是网站地图文件，百度抓取时会检索这些文件，你用txt或浏览器打开会发现，是一群代码，有用的信息也就藏在这些代码里面，如果是一个样本，一个XML文件，我相信，很多学员会一句一句去读，大不了花一天时间提取出来，但是问题来了，一个癌症可是有300-500个样本，手工得要花300-500天，那可是一年的时间，喔的天，这有点夸张了。 如果手机不支持在线播放，那么可以选择电脑浏览器播放，或者关注微信公众号，里面有视频资料-免费视频教程，也可以学习免费视频。 
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！ |
