管于TCGA數據庫中的數據下載，我們之前有介紹過R語言下載包：R語言TCGA-Assembler包下載TCGA數據，同時在介紹數據庫的使用教程中也介紹了在線下載以及官方下載工具下載：TCGA數據庫使用教程。在線下載以及官方下載工具下載的數據是分開的，每個樣本的數據的獨立的，需要自己合并，這需要會R，Python 或者 perl 等編程語言（文末補充內容介紹）。
這里我們先介紹TCGAbiolinks包下載數據。因為這個包下載的數據是合并好的，不需要整理。
TCGAbiolinks下載TCGA數據
在第一講我們介紹TCGAbiolinks包的時候，介紹了GDCquery這個函數，這是下載數據時要用到的函數，除此以外，我們還需要GDCdownload函數。GDCdownload函數使用GDC API或GDC傳輸工具下載GDC數據，用戶可以使用查詢參數查詢的數據將保存在一個文件夾中:project/data.category。函數的整體框架為：
GDCdownload(query, token.file, method ="api", directory ="GDCdata",files.per.chunk =NULL)
各個參數介紹如下：
query：這個參數就是來自GDCquery的結果。
token.file：這個是下載受限的文件（僅適用于method=“client”），一般下載用不到。
method：使用API (POST方法)或gdc客戶端工具。選擇“api”,“client”。API更快，但是下載過程中數據可能會損壞，可能需要重新執行。
directory：下載數據的存放目錄/文件夾。默認：GDCdata。
files.per.chunk：這將使API方法一次只下載n個(files.per.chunk)文件。當數據量過大時，可能會下載出錯，可設置files.per.chunk參數減少下載問題。值為整數，即可將文件拆分為幾個文件下載，如files.per.chunk?= 6。
下面是一個下載數據的案例：
query <- GDCquery(project ="TCGA-ACC",data.category ="Copy number variation",legacy = TRUE,file.type ="hg19.seg",barcode = c("TCGA-OR-A5LR-01A-11D-A29H-01","TCGA-OR-A5LJ-10A-01D-A29K-01"))# 數據將被保存在 GDCdata/TCGA-ACC/legacy/Copy_number_variation/Copy_number_segmentationGDCdownload(query, method ="api")## Not run:# 從XML下載臨床數據query <- GDCquery(project ="TCGA-COAD", data.category ="Clinical")GDCdownload(query, files.per.chunk = 200)query <- GDCquery(project ="TARGET-AML",data.category ="Transcriptome Profiling",data.type ="miRNA Expression Quantification",workflow.type ="BCGSC miRNA Profiling",barcode = c("TARGET-20-PARUDL-03A-01R","TARGET-20-PASRRB-03A-01R"))# 數據將被保存在:# example_data_dir/TARGET-AML/harmonized/Transcriptome_Profiling/miRNA_Expression_QuantificationGDCdownload(query, method ="client", directory ="example_data_dir")acc.gbm <- GDCquery(project = c("TCGA-ACC","TCGA-GBM"),data.category ="Transcriptome Profiling",data.type ="Gene Expression Quantification",workflow.type ="HTSeq - Counts"
總之，TCGAbiolinks包下載數據很簡單，首先得明確自己要的是什么數據，通過GDCquery函數獲取后，關于GDCquery請認真去學習上一講：TCGA數據挖掘（一）：TCGAbiolinks包介紹。對GDCquery了解后，再利用GDCdownload函數下載。這里說的相當簡單，但聰明的人應該已經明白了。當然，我們后續的數據分析教程中還會更詳細的介紹。
對于下載數據的分析可能會因自己的研究方向有所不同，有做甲基化的，有做SNP的等等，可以不用掌握全部，只需要會自己研究方向的即可，其他的做個了解，自己需要的時候，再學也不遲。
當然，我們后面會介紹一下常用的分析。
數據下載補充：數據整理
TCGAbiolinks包下載的數據是合并了的，不需要整理。在線下載或者官方工具下載的數據是分開的。我們介紹一下在線下載以及官方下載工具下載的數據怎么合并，這里用的是perl腳本，沒有安裝perl的可去官網：http://www.perl.org/get.html自行下載安裝。這里你不需要懂perl語法，只需要知道DOS命令行的使用即可，腳本文末獲取。
在線下載以及官方下載工具下載的數據是這樣的。每一個文件夾是每個樣本的數據，而且文件夾的名稱和樣本的barcode還不一致。
每一個文件夾里面的數據都是壓縮包：
所以我們需要整理，要整理這些數據，首先我們在網頁上篩選數據的時候，同時也要下載metadata這個文件。
下載metadata文件、數據文件以及腳本文件putFilesToOneDir.pl和mRNA_merge.pl在同一個文件夾。
打開dos窗口，進入文件目錄，鍵入：perl putFilesToOneDir.pl，回車。一會就會看見文件夾中多了一個files的文件夾，即我們將所有的數據都移動到了同一個文件夾下，當然，這個過程你可以手動。樣本多的話，好像不科學。
進入files文件夾，里面全是壓縮包，我們需要解壓。這個就真的可以手動，因為每個人安裝的壓縮軟件可能不一樣，寫腳本的話可能會報錯，所以全選，解壓到當前文件夾，也不是很費事。
下載metadata文件和perl腳本文件mRNA_merge.pl復制到files文件夾。
dos命令窗口下進入files文件夾，鍵入：perl mRNA_merge.pl metadata.cart.2016-06-22T05_18_51.550750.json，然后回車。等待時間與數據量有關。
運行結束后，在dos窗口會顯示運行結果。normal count: 4；tumor count: 178，這里自己記下這2個參數，后面做分析的時候可能用到。
同時在files文件夾下生成了一個矩陣文件。這個文件我們后面做數據分析的時候可能會用到。
這里需要說明的是，這個腳本只適用于mRNA的Counts的數據。不適用于其他類型的數據。
掃碼關注，后臺回復：TCGA-mRNA_merge，領取案例文件和腳本文件。
?
