数据处理

样品信息处理

通过R语言来处理数据，需要一定R语言基础；
因为下载下来的数据包含了多种癌症，首先是处理细胞系信息，选择自己需要的细胞系，进行后续操作。

rm(list = ls())
sample<-read.csv(file="sample_info.csv")
colnames(sample)
# [1] "DepMap_ID"                 "cell_line_name"
# [3] "stripped_cell_line_name"   "CCLE_Name"
# [5] "alias"                     "COSMICID"
# [7] "sex"                       "source"
# [9] "Achilles_n_replicates"     "cell_line_NNMD"
# [11] "culture_type"              "culture_medium"
# [13] "cas9_activity"             "RRID"
# [15] "WTSI_Master_Cell_ID"       "sample_collection_site"
# [17] "primary_or_metastasis"     "primary_disease"
# [19] "Subtype"                   "age"
# [21] "Sanger_Model_ID"           "depmap_public_comments"
# [23] "lineage"                   "lineage_subtype"
# [25] "lineage_sub_subtype"       "lineage_molecular_subtype"

可以看到，样品信息包含了以上26中信息，可以根据需要，选择信息进行后续处理，比如说，我选择样品ID，细胞系名称，原发灶或转移灶，原发疾病类型，亚型等信息。

sample_info<-sample[,c(1,3,17,18,19)]
###choose CRC cell lines
unique(sample_info$primary_disease)
# [1] "Ovarian Cancer"             "Leukemia"
# [3] "Colon/Colorectal Cancer"    "Skin Cancer"
# [5] "Lung Cancer"                "Bladder Cancer"
# [7] "Kidney Cancer"              "Breast Cancer"
# [9] "Pancreatic Cancer"          "Myeloma"
# [11] "Brain Cancer"               "Sarcoma"
# [13] "Lymphoma"                   "Bone Cancer"
# [15] "Fibroblast"                 "Gastric Cancer"
# [17] "Engineered"                 "Thyroid Cancer"
# [19] "Neuroblastoma"              "Prostate Cancer"
# [21] "Rhabdoid"                   "Gallbladder Cancer"
# [23] "Endometrial/Uterine Cancer" "Head and Neck Cancer"
# [25] "Bile Duct Cancer"           "Esophageal Cancer"
# [27] "Liver Cancer"               "Cervical Cancer"
# [29] "Unknown"                    "Eye Cancer"
# [31] "Adrenal Cancer"             "Liposarcoma"
# [33] "Embryonal Cancer"           "Teratoma"
# [35] "Non-Cancerous"

可以看到有35种不同的癌症类型，我们选择特定的一种即可，比如我选择肝癌。

which(sample_info$primary_disease=="Liver Cancer")
cell_lines<-sample_info[which(sample_info$primary_disease=="Liver Cancer"),]
save(cell_lines,sample,file="Data1_sample_information.Rdata")

这样我们就选择了我们想研究的癌症类型及需要的细胞系名称及相关信息,先保存下来。

基因表达信息

先读取我们下载的表达信息

exp<-read.csv(file="CCLE_expression.csv")
rownames(exp)<-exp[,1]
exp[1:3,1:3]
exp<-exp[,-1]
# TSPAN6..7105. TNMD..64102. DPM1..8813.
# ACH-001113      4.990501    0.0000000    7.273702
# ACH-001289      5.209843    0.5459684    7.070604
# ACH-001339      3.779260    0.0000000    7.346425##choose samples from expression matrix
a<-cell_lines$DepMap_ID  ##%in%判断exp中的元素是否都在我们选择的细胞系中
b<-c(rownames(exp) %in% a)
length(b)
exp_liver<-exp[b,]
##判断细胞系信息中细胞名称的元素是否在肝癌细胞系exp中
c<-c(cell_lines$DepMap_ID %in% rownames(exp_liver))
cell_exp<-exp_liver[c,]

现在我们就得到了我们需要的表达矩阵，但是并没有对应细胞名，我们要把ID和对应名称匹配

rownames(cell_lines)<-cell_lines[,1]
merge<-cbind(cell_lines,exp_liver)
save(merge,file="input_sample_and_exp.Rdata")rownames(merge)<-merge$stripped_cell_line_name
matrix<-merge[,-c(1:5)]
matrix<-t(matrix)
d<-rownames(matrix)
class(d)
d<-as.matrix(d)
matrix<-cbind(d,matrix)
write.csv(matrix,file="CRC_exp.csv")
matrix<- read.csv(file="CRC_exp.csv")

去除NA值，整理表达矩阵

sum(is.na(matrix))
newdata<-na.omit(matrix)
duplicated(newdata$X.1)
h<-newdata[duplicated(newdata$X.1),]mydata<-newdata[!duplicated(newdata$X.1),]
rownames(mydata)<-mydata$X.1
mydata<-mydata[,-c(1:3)]

CCLE（Cancer Cell Line Encyclopedia）数据库使用相关推荐

Comprehensive anticancer drug response prediction based on a simple cell line drug complex network m
Comprehensive anticancer drug response prediction based on a simple cell line drug complex network m ...
Cancer Cell ChIP-seq助力揭示BATF缺失可增加CAR-T细胞抗肿瘤活性的研究
发表单位:中国科学院动物研究所发表期刊:Cancer Cell(38.585) 发表时间:2022年10月13日研究材料:CAR-T细胞 2022年10月13日,中国科学院动物研究所干细胞与生殖生 ...
专栏五：食管癌Cancer Cell文章生信部分解析
两篇食管癌文章,来自同一课题组,部分共用一套代码: Epithelial cells activate fibroblasts to promote esophageal cancer develop ...
single cell marker 基因数据库
Mouse Cell Atlas:https://links.jianshu.com/go?to=http%3A%2F%2Fbis.zju.edu.cn%2FMCA%2F CellMarker:htt ...
年终盘点 | 从Cancer Cell到Nat Plants，高分项目文章盘点
2022年即将拉上帷幕,感谢各位老师.同学的支持,这一年我们在表观和单细胞方面都收获了不少项目文章.据小爱粗略的统计,爱基百客今年高分项目文章累计影响因子超过了330分.精选10篇高分文章,让我们来回 ...
SH-SY5Y human neuroblastoma cell line: in vitro cell model of dopaminergic neurons in Parkinson’s di
(Chin Med J 四区.吉林大学) SY5Y具有多巴胺能神经元(含有并释放多巴胺作为神经递质的神经元,此处可以明确的是SY5Y在分化前就可以分泌多巴胺:多巴胺抑制兴奋)的许多特性,表达络氨酸氢化 ...
基因在细胞系当中的表达数据库，CCLE使用简述
相信大家都听说过CCLE(Cancer Cell Line Encyclopedia).简单来说,这个数据库做了很多细胞系当中基因表达.突变.拷贝数以及DNA甲基化的结果.利用这个数据库我们可以了解一 ...
分享一个CCLE细胞系数据(CCLE数据库不能用了吗？)
癌细胞系百科全书项目 - Broad 研究所与诺华生物医学研究所之间的合作 2006 年,Sellers (Novartis).Garraway (Broad Institute) 和 Schlege ...
linux下载ccle数据,对CCLE数据库可以做的分析--转载
转载:http://www.bio-info-trainee.com/1327.html 收集了那么多的癌症细胞系的表达数据,拷贝数变异数据,突变数据,总不能放着让它发霉吧! 这些数据可以利用的地方非 ...

CCLE（Cancer Cell Line Encyclopedia）数据库使用

数据库简介

CCLE数据库几个知识点

数据处理

样品信息处理

基因表达信息

CCLE（Cancer Cell Line Encyclopedia）数据库使用相关推荐

最新文章

热门文章