生信自学网-速科生物-生物信息学数据库挖掘视频教程

如果还没有得到转录本数据，那么先学习：TCGA下载和提取转录本数据

上节课我们得到了转录本数据文件，转录本数据文件的ID是Ensemble ID，如果做后期差异分析，我们希望用到GENE ID，GENE ID里面有mRNA、长链非编码RNA以及其他GENE ID。基于这个事实，我们可以分两步来提取mRNA和lncRNA矩阵。
一、ID转换
1、下载Ensemble ID的转换文件
进入Ensemble的官网：http://www.ensembl.org/index.html

点击导航栏里面的Download，进入下载页面

选择Download data via FTP，进入FTP下载页面

在下载页面选择Human物种，进入GTF文件下载页面

选择下载Homo_sapiens.GRCh38.88.chr.gtf.gz文件

加压缩既可以得到Ensemble ID的转换文件

2、Ensemble ID转换

把转录本原始文件、下载得到的Ensemble ID的转换文件、提取脚本文件放在一个文件夹内

在DOS环境下输入脚本命令，得到GENE ID矩阵文件

二、分离mRNA、lncRNA矩阵文件

步骤一得到的GENE ID矩阵，是含有所有GENE ID的，这里需要提取mRNA、和lncRNA的ID

方法就是根据mRNA和lncRNA的不同功能

mRNA的功能是编码，lncRNA是非编码GENE

根据这个原则，直接在EXCEL里面分别提取mRNA和lncRNA矩阵

当然这里涉及一个问题，矩阵文件一般都很大，如果做的癌症数据样本多，文件太大EXCEL是无法打开的

这个时候就要用到我们的脚本文件，直接提取。

这个就是我们最后得到的lncRNA矩阵文件

加入微信公众号获得更便捷学习资料，学习、合作请直接联系QQ：2749657388