请教关于TCGA数据的问题

Case列显示的是该文件里数据来自于多少cases。比如569，说明这个文件整合了所有569个cases的genotyping数据，有些数字为1的，说明这个文件里只有一个case的数据。

对于RNAseq后续的分析，如果要用软件比如limma，edgeR比较表达差异的基因，就用counts数据。如果你想自己做t-test，下载counts数据自己做normalization再进行比较也行，或者下载已经做过normalization的RPKM/RPKM-UQ直接比较也行

癌旁的数据也包含在这些cases里了，下载metadata就能看到每个sample的信息，你会发现有些是来自solid tissue normal，这些都是癌旁的数据

需要

1、把握现在，数控未来。

2、智能数据搜索，商机定位高效。

3、搜索定位相助，数据让你出众。

4、数接千载，据联万里。

5、数据不是黄金，数据指引黄金。

6、商务不再迷茫，数据精准领航。

7、搜索未来商机，下载未来先机。

8、数析先机，商联天下。

9、数据分析有路，商机快速起步。

10、问道专业大数据，抢占市场新效益。

11、未来市场怎么办，数据分析有答案。

12、快速定位，高效分析，洞察先机。

TCGA数据分析系列（一） (qqcom)

TCGA中数据类型主要有以下几种

mRNA：mRNA芯片或者RNA-Seq测得的mRNA表达量

microRNA：microRNA芯片或者microRNA-Seq测得的microRNA表达量

Clinical：病人的一般情况、诊治情况、生存情况、肿瘤分期等随访信息

Copy Number：SNP芯片得到的肿瘤组织比对正常组织的染色体上各片段的比值

Mutation：肿瘤组织测序结果相对参考基因组的核苷酸突变，包括插入和缺失等变化

Protein：蛋白芯片测序得到的约200种常见癌症相关蛋白的表达量

Methylation：甲基化芯片测得的DNA甲基化数据

Project：所有TCGA样本名均以这个开头

TSS: Tissue source site，组织来源编码

详见组织来源编码

Participant：参与者编号

Sample：其中编号01~09表示肿瘤，10~19表示正常对照，最常见的是01和11

Vial：在一系列患者组织中的顺序，绝大多数样本该位置编码都是A; B表示福尔马林固定石蜡包埋组织，已被证明用于测序分析的效果不佳，所以不建议使用B的样本数据

Portion：同属于一个患者组织的不同部分的顺序编号，同一组织会分割为100-120mg的部分，分别使用

Analyte：分析的分子类型，对应关系如下所示

Plate：在一系列96孔板中的顺序，值大表示制板越晚

Center：测序或鉴定中心编码

1、筛选PTC中潜在的circRNA，GEO数据库中查找甲状腺乳头状癌相关的数据集，最终找到GSE93522。通过GEO2R在线差异分析工具进行差异分析，此处组别的设置为：（正常vs良性）；（正常vs恶性）。在挑选候选circRNA分子时，只挑选在（正常vs恶性）中的差异分子，排除在（正常vs良性）中上调或者下调的circRNA。最终找到13个上调和1个下调的PTC发生和进展相关的circRNA分子。随后，我们通过circBase数据库找到这14个circRNA分子的亲本基因以及在基因组中的座位。为了绘制circRNA圈图，我们在CSCD数据库中查找这14个circRNA，最终找到11个circRNA，并用其中的数据绘制圈图。

2、预测和分析PTC中与潜在circRNA分子结合的miRNA，circRNA分子发挥作用存在三种比较常见的机制：作为miRNA的海绵；与RBP结合；翻译为短肽或者蛋白质。从绘制的圈图看，这11个miRNA均存在MRE元件，可能可以与相应的miRNA相互作用。因此，我们使用CSCD和CRI数据库来预测相应的结合miRNA，并用Cytoscape软件构建相应的circRNA-miRNA网络图。随后，通过使用TCGA数据库中的数据，分析上述miRNA在甲状腺乳头状癌中的表达和预后价值。3、预测和分析PTC中上述miRNA下游的靶基因，通过上述的表达分析和预后分析，符合筛选要求的只有miR-605-5p和miR-876-3p两个miRNA。接着，我们使用综合性靶基因预测数据库miRNet，预测这两个miRNA下游的靶基因。通过蛋白互作网络分析，我们构建靶基因PPI网络，并结合CytoHubba中的算法（Cytoscape中的插件），最终筛选出20个hub基因。同时，使用STRING数据库，我们对预测出的靶基因进行GO和KEGG富集分析。

4、构建PTC中潜在的信号通路：hsa_circ_0088494-miR-876-3p-CTNNB1/CCND1，还是通过Cytoscape，我们构建miRNA-hub基因网。使用starBase数据库，我们对miRNA-hubgene关系对作表达相关性分析，从中筛选呈显著负相关的关系对（3个关系对符合）。最后，对三个关系对中的hub基因作表达分析，发现只有CTNNB1和CCND1在甲状腺乳头状癌中显著高表达，符合要求。

DataTable dt = new DataTable();

dtColumnsAdd(new DataColumn("PreRevDate0", typeof(decimal)));

DataColumn col = new DataColumn();

colColumnName = "PreRevDate1";

colExpression = "ABS(ConvertToInt32(PreRevDate0))";

colDataType = typeof(decimal);

dtColumnsAdd(col);

DataRow dr = dtNewRow();

dr["PreRevDate0"] = -1;

dtRowsAdd(dr);

以上就是关于请教关于TCGA数据的问题全部的内容，包括:请教关于TCGA数据的问题、TCGA数据库使用需要伦理审核吗、TCGA数据ID的编码意义等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！