TCGA+GTEx基因表达数据合并 | 多癌种表达分析

 

2025年01月08日

新的探索

gepia2的Python包无法使用，没法通过API得到数据

突然发现DEG列表可以全部导出，http://gepia2.cancer-pku.cn/#degenes，设置一下阈值即可。

我发现有极个别基因，如NME2，log2FC是相反的，跟我自己手动做的，不知道是为什么。绝大部分基因的相关性还是很强的。参考：http://localhost:17449/lab/tree/projects/public_resources/public_DB/DepMap-CRC-org-viability-screen.ipynb#muanual-vs-gepia 

检查了一个spatial的数据，我还是更相信gepia的结果。 

 

---

 

这个功能GEPIA2已经实现了，http://gepia2.cancer-pku.cn/#dataset

但问题是它的数据不能导出，原图太丑，不能直接发表，那就没办法了，只能自己下载数据作图了。

 

TCGA数据可以批量下载

GTEx数据也很容易下载

但如何把TCGA的cancer type比对到GTEx特点组织 ，还是有点难度的。

有些cancer没有对应的正常组织，有些正常组织也没有对应的癌症。

最终终于在这里找到了对应的表。

• http://gepia2.cancer-pku.cn/#dataset
• TCGA GTEx数据联合分析流程

注意：

• TCGA的数据还是很粗犷的，得到什么DEG完全取决你怎么比；
• 得到靠谱DEG的前提：对比组选对了，样本量足够大，否则就是扯淡；

 

其实UCSC Xena已经把整合的数据整理好了，这里可以直接下载，省去了大量的curation的时间：

• A combined cohort of TCGA, TARGET and GTEx samples
• https://xenabrowser.net/datapages/?cohort=TCGA%20TARGET%20GTEx&removeHub=https%3A%2F%2Fxena.treehouse.gi.ucsc.edu%3A443 

 

奇怪的点：

• UCSC Xena下载的TPM里居然有大量负数，扯淡了；
• 最终可以用这个替代：RSEM expected_count (DESeq2 standardized)

 

小常识：TARGET data is intended exclusively for biomedical research using pediatric data

这是儿科的数据，可以过滤掉。

 

参考：http://localhost:17435/notebooks/data_center/public_DB/TCGA-GTEx-all-Cancers.ipynb 

 

参考：

• TCGA合并GTEx
• 单基因套路1：新版TCGA数据库整理
• TCGA又更新了(GDC2.0)