首页在R中，对TCGA基因表达谱根据barcode命名规则筛选样本匹配的正常样本和乳腺癌样本

在R中，对TCGA基因表达谱根据barcode命名规则筛选样本匹配的正常样本和乳腺癌样本

时间: 2024-06-12 08:05:31 浏览: 289

首先，需要下载TCGA数据，并解析出barcode信息。可以使用TCGAbiolinks包来实现这一步骤。 ```R library(TCGAbiolinks) library(dplyr) # 下载TCGA数据 query <- GDCquery(project = "TCGA-BRCA", data.category = "Transcriptome Profiling", data.type = "Gene Expression Quantification", platform = "Illumina HiSeq") GDCdownload(query) # 解析barcode信息 TCGA <- GDCprepare(query, save.filename = "TCGA.rda", summarizedExperiment = TRUE) barcode <- colnames(TCGA)[1:12] barcode_df <- data.frame(barcode = barcode, stringsAsFactors = FALSE) ``` 接下来，需要根据barcode命名规则，筛选出和乳腺癌样本匹配的正常样本和乳腺癌样本。TCGA的barcode命名规则为： ``` [Barcode]-[SampleType]-[Portion]-[Analyte]-[Plate]-[Center]-[Set]-[Batch]-[Date] ``` 其中，SampleType为样本类型，BRCA-N表示正常样本，BRCA-T表示乳腺癌样本。我们可以使用正则表达式来匹配符合条件的barcode。 ```R # 筛选乳腺癌样本 BRCA_barcode <- filter(barcode_df, grepl("BRCA-T", barcode))$barcode # 筛选匹配的正常样本 normal_barcode <- filter(barcode_df, grepl("BRCA-N", barcode))$barcode normal_barcode <- normal_barcode[gsub("-01A-", "-11A-", normal_barcode) %in% gsub("-01A-", "-11A-", BRCA_barcode)] ``` 最后，可以使用TCGA数据的表达矩阵和筛选出的样本barcode进行分析。 ```R # 提取表达矩阵 TCGA_mat <- assay(TCGA) # 筛选样本 TCGA_BCCA <- TCGA_mat[, c(BRCA_barcode, normal_barcode)] ```

阅读全文