干貨請收藏！ TCGA數(shù)據(jù)庫大匯總

發(fā)稿時間：2018-04-03來源：天昊生物

干貨請收藏！ TCGA數(shù)據(jù)庫大匯總

 

一：簡介

由美國政府發(fā)起的癌癥和腫瘤基因圖譜（Cancer Genome Atlas，TCGA）計劃于2006年聯(lián)合啟動，目前已經(jīng)收錄了來自1萬多例病人的33種癌癥的數(shù)據(jù)，2.5PB的數(shù)據(jù)量。

二：數(shù)據(jù)內(nèi)容和等級

TCGA收錄的數(shù)據(jù)主要包括：

Clinical Data

Images

Microsatellite Instability (MSI)

DNA Sequencing

miRNA Sequencing

Protein Expression

mRNA Sequencing

Total RNA Sequencing

Array-based Expression

DNA Methylation

Copy Number

這些數(shù)據(jù)可分為三個級別：1) level-1: 原始的測序數(shù)據(jù)（fasta,fastq格式等較為原始和粗糙的數(shù)據(jù)）;2) level-2:比對好的bam文件;3) level-3:經(jīng)過處理及標準化的數(shù)據(jù)。其中level1/2為controlled-access，level-3有部分是controlled-access，這一類型的需要向TCGA申請使用權(quán)限,而大部分普通用戶只能訪問Level3的部分處理及標準化的數(shù)據(jù)。詳細的數(shù)據(jù)類型與其等級請查看頁面：

https://cancergenome.nih.gov/abouttcga/aboutdata/datalevelstypes

三：  數(shù)據(jù)下載

· 推薦：TCGA官網(wǎng)的data-portal portal.gdc.cancer.gov。

· 推薦：Firehose服務器：gdac.broadinstitute.org。平臺對TCGA的數(shù)據(jù)進行了整理并提供便捷的下載，但需要注意的是Firehose 收錄的數(shù)據(jù)并不是TCGA實時更新的數(shù)據(jù)。下載的數(shù)據(jù)適合后期的R語言處理分析。

四 ：即搜即用的TCGA數(shù)據(jù)挖掘網(wǎng)站

l UALCAN轉(zhuǎn)錄組與生存數(shù)據(jù)庫

http://ualcan.path.uab.edu/index.html

 

UALCAN是用于分析癌癥轉(zhuǎn)錄組數(shù)據(jù)的界面友好型在線工具。UALCAN旨在：

a）輕松獲取公開的癌癥轉(zhuǎn)錄組數(shù)據(jù)（TCGA轉(zhuǎn)錄組測序數(shù)據(jù)），

b）允許用戶用TCGA數(shù)據(jù)挖掘生物標志物或?qū)Ω信d趣的潛在基因進行數(shù)據(jù)庫驗證，

c）提供達到文章發(fā)表級別的基因表達和基于基因表達的患者生存分析圖，

d）評估乳腺和前列腺癌分子亞型中的基因表達，

e）鏈接HPRD，GeneCards，Pubmed，TargetScan和人蛋白質(zhì)圖譜等數(shù)據(jù)庫，快速提供關(guān)于所選基因的附加信息。

 

 

 

l MethHC甲基化與表達數(shù)據(jù)庫

http://methhc.mbc.nctu.edu.tw/php/index.php

 

 

 

l MEXPRESS甲基化與表達數(shù)據(jù)庫

http://mexpress.be/

 

 

 

 

l OncoLnc生存分析數(shù)據(jù)庫

http://www.oncolnc.org/

 

整合了TCGA中的DNA甲基化，表達量及臨床數(shù)據(jù)，主要用來探索甲基化，基因表達和臨床表型之間的關(guān)聯(lián)

 

 

l cBioPortal

http://www.cbioportal.org/index.do

整合和簡化了包括TCGA，ICGC以及GEO等多個癌癥基因組數(shù)據(jù)庫的內(nèi)容，可供下載。主要展示不同癌組織中基因的體細胞突變譜，拷貝數(shù)變異，mRNA，miRNA表達量變化，DNA甲基化變化以及蛋白質(zhì)表達變化的情況，并結(jié)合患者的臨床資料，繪制KM生存曲線。

 

l TANRIC：基于TCGA數(shù)據(jù)的lncRNA專用分析數(shù)據(jù)庫

http://ibl.mdanderson.org/tanric/_design/basic/index.html

 

收集20種癌癥的大量患者隊列的lncRNAs表達譜數(shù)據(jù)，包括TCGA和多個獨立數(shù)據(jù)集（總共> 8000個樣品）。TANRIC可快速且直觀地在腫瘤類型內(nèi)或跨腫瘤類型中分析研究者感興趣的lncRNAs（已注釋的lncRNAs或任何用戶定義的lncRNAs）和其他分子數(shù)據(jù)。該工具有利于快速檢測具有潛在生物醫(yī)學標記功能的lncRNAs。

 

l GEPIA：強大的綜合分析能力

http://gepia.cancer-pku.cn