原标题：TCGA数据库讲解与数据下载

前几期，生信草堂和大家分享了一篇TCGA数据下载的文章，有小白表示TCGA还是好深奥，找不到下载地址的，看不懂数据格式。今天小编就从头开始，娓娓道来，再给大家介绍一下TCGA数据库和下载方法，希望大家都能用好这个宝库。

TCGA (The cancer genome atlas)是一个非常重要的癌症数据库，其主要收录各种人类癌症(包括亚型在内的肿瘤)的临床数据，基因组变异，mRNA表达，miRNA表达，甲基化等数据，是癌症研究者很重要的数据来源。

首先，TCGA官网：https://cancergenome.nih.gov/abouttcga/overview

1.数据等级：

TCGA存储的数据可分为三个级别：

Level 1: 原始的测序数据(fasta,fastq等)

Level 2:比对好的bam文件

Level 3:为经过处理及标准化的数据

Level 1和Level 2文件很大，若要下载可使用官方提供的小工具：GDC Data Transfer Tool，然后自己重新比对来call mutation, 或者提取count data做差异表达分析(不适合懒人操作，且大多数人很难拿到权限，下面会说)。

2.数据权限

Level 1和Level 2数据为controlled-access(限制下载)，Level 3有部分是controlled-access，其余是开放下载，若你想下载的数据level显示“Unauthorized”，则表示不能直接下载，需要先向TCGA申请使用权限。

比如：

理论上，限制下载的数据可以通过申请dbgap账号获得下载权限，但是申请这个账号需要NIH/NCI资格审核，且需要提供eRA account ID(在美国申请grant对应的ID)，所以一般只有国外PI才可能申请通过。所以对小白来说这个基本是行不通的，小编建议还是乖乖下载3级数据。

3.三级数据下载

TCGA-3级数据下载网站主要有两个：

① TCGA官方的data-portal:portal.gdc.cancer.gov

优点：数据最全，更新最快

缺点：每个样本是一个单独的文件，如果下载某一个癌症的RNA数据，要下载好几百个文件，然后合并(嫌麻烦的往下翻，小编强力推荐方法②！！)。

下载方法介绍：

在主页搜索想要下载的癌症类型

以表达数据为例，可见LUAD共有515个case有RNA-Seq数据，点击进入。

左边可以对样本进行筛选，点击右侧数字可以下载表达数据(Exp)，临床数据(Clinical)和Annotation(注释信息，可以找到样本ID对应的case，control情况)。

注意表达数据根据分为了HTSeq-Counts，HTSeq-FPKM，HTSeq-FPKM-UQ三种类型，Counts是数据后台没有处理的原始表达量，而FPKM和FPKM-UQ是两种数据标准化处理后的数据，一般差异表达下载counts，下载所有样本后合并，用DESeq即可。

FPKM，FPKM-UQ计算方法：

Firehose服务器：gdac.broadinstitute.org

优点：数据也来源于portal.gdc.cancer.gov，但是将同一种癌症、同种类型的数据合并到了一起，超级方便，一键下载，无需合并数据。

下载方法介绍：

点击LUAD对应的Data-Browse

稍等片刻，会弹出LUAD项目所有样本合并后的3级数据，需要什么数据点击文本即可下载，非常方便快捷。当然也可以下载临床数据等，各取所需了。

今天小编就为大家介绍这么多，当然还有其他下载方法，以及一些TCGA在线分析工具，不需要下载数据即可进行分析，小编下次再给大家介绍喽。

生信草堂

浙大生信博士团队倾力打造的一个科研人员学习交流的公众微信平台。我们致力于科研社区服务，分享最前沿的科技进展，提供生信分析方法，解读经典分析案例，公众数据库的挖掘和临床数据统计分析。在此我们欢迎各位的加入！返回搜狐，查看更多

责任编辑：