TCGA数据库

来源：肿瘤基因组图谱 (TCGA) 计划是由美国 National Cancer Institute (NCI) 和National Human Genome Research Institute (NHGRI) 于 2006 年联合启动的项目

 使命：利用大规模测序为主的基因组分析技术，通过广泛的合作，理解癌症的分子机制，最终完成一套完整的与所有癌症基因组改变相关的「图谱」，以提高人们对癌症发病分子基础的科学认识及诊断、治疗和预防的能力。至今为止，TCGA已对来源于11000患者的33种肿瘤进行实验，其中包括10种罕见肿瘤，数据量达2500 T。

主要功能：提供33种肿瘤共计11000多例患者的组织的高通量芯片或者测序的数据。利用这些数据可对肿瘤发生发展中基因的改变进行分析，从而理解肿瘤发生发展的分子机制，以提高人们对肿瘤的诊断、治疗、预防能力

TCGA官网网址：https://www.cancer.gov/ccg/research/genome-sequencing/tcga

TCGA数据库癌种名称

TCGA数据库数据类型

基因表达数据：包括RNA-seq数据，用于分析基因表达水平。

基因突变数据：包括体细胞突变，帮助识别驱动基因突变。

拷贝数变异数据（CNV）：分析基因拷贝数的变化。

甲基化数据：研究DNA甲基化模式，了解表观遗传调控。

蛋白质组数据：分析蛋白质表达，探索蛋白质与癌症的关系。

临床数据：包括患者的基本信息（年龄、性别、分级、分期、预后等），用于研究癌症的临床表现。

TCGA数据库数据下载

GDC门户网站（https://portal.gdc.cancer.gov/）：GDC（Genomic Data Commons）是美国National Cancer Institute（NCI）的研究计划，使命是为癌症研究界提供统一的数据存储库，以便在癌症基因组研究中共享数据，支持精准医学。它包含几个大规模的癌症基因组研究计划的数据，包括TCGA、OCG。而OCG包括两项支持癌症分子鉴定的计划，TARGET和CGCI。访问GDC（Genomic Data Commons）网站，注册账户后，可以通过搜索框选择癌症类型和数据类型，下载所需的数据。

UCSC-Xena数据库 （https://xenabrowser.net/datapages/）：提供预处理和标准化的TCGA数据，适合直接下载和分析。

Firehose数据库（https://gdac.broadinstitute.org/）：提供预处理和标准化的TCGA数据，适合直接下载和分析。

TIMER2.0 数据库（http://timer.cistrome.org/）：可下载TCGA 各 个肿瘤的免疫细胞浸润数据。

GDC数据库

GDC相当于替代了TCGA Data Portal 这个网站，但它不只包含TCGA的数据，还有TARGET、CGCI及其他CCG计划的数据，并对数据重新进行了整合分析，可以提供统一的癌症基因组数据。

UCSC-Xena数据库数据下载

UCSC-Xena（https://xenabrowser.net/datapages/）

TCGA数据库常用数据分析方法

数据预处理：包括去除低质量数据、数据标准化和缺失数据处理。

基因差异表达分析：旨在找出在癌症组和正常组中表达差异显著的基因。使用DESeq2、EdgeR或limma等工具，分析基因表达的差异，挑选出具有显著差异的基因（例如，p值 < 0.05，|log2 fold change| > 1）。对差异基因进行功能富集分析，如GO分析或KEGG路径分析。

生存分析：通过Kaplan-Meier曲线和Cox比例风险回归，探究基因或临床特征与生存时间的关系。

TCGA数据库结果可视化

可视化：使用R语言中的ggplot2、complexheatmap等包进行结果展示。

热图（Heatmap）：展示基因表达数据，常用于展示差异表达基因。

火山图（Volcano Plot）：展示差异分析的结果。

生存曲线：如Kaplan-Meier曲线，展示不同组别患者的生存差异。

（未完待续）