TCGA database에서 데이터 다운 받은 후 raw count -> TPM 변환

 

TCGA database를 활용하기 위해, install.

if (!require("BiocManager", quietly = TRUE))
    install.packages("BiocManager")
BiocManager::install("TCGAbiolinks")

원하는 데이터 다운로드 (여기서는 colon cancer의 RNA expression profiling data)

query <- GDCquery(project = "TCGA-COAD", data.category = "Transcriptome Profiling", 
data.type = "Gene Expression Quantification", 
workflow.type = "STAR - Counts")

GDCdownload(query)

colon_data <- GDCprepare(query)

Available assays in SummarizedExperiment : 
  => unstranded
  => stranded_first
  => stranded_second
  => tpm_unstrand
  => fpkm_unstrand
  => fpkm_uq_unstrand


unstranded는 raw count data,
tpm_unstrand와 fpkm unstrand는 각각 TPM 또는 FPKM 값


데이터의 구조 확인

FPKM data 추출

library(SummarizedExperiment)
expression_data_tcgacoad <- assays(colon_data)[["fpkm_unstrand"]]

head(rownames(expression_data_tcgacoad))
[1] "ENSG00000000003.15" "ENSG00000000005.6"  "ENSG00000000419.13" "ENSG00000000457.14"
[5] "ENSG00000000460.17" "ENSG00000000938.13"


만약 원하는 유전자의 기호를 알고 있어, 이로 변환하고 싶은 경우
# biomaRt 패키지 로드
library(biomaRt)

ensembl <- useMart("ENSEMBL_MART_ENSEMBL", dataset = "hsapiens_gene_ensembl")

gene_symbols <- getBM(attributes = c("ensembl_gene_id", "hgnc_symbol"),filters = "ensembl_gene_id",values = clean_ensembl_ids, mart = ensembl)