TCGA官网下载miRNA成熟体表达谱 数据处理

2018.1.19

by 湖心

前言：与前体相比，miRNA成熟体isoform 原始count以及RPM数据下载下来处理比较复杂，因为不像表达谱，miRNA成熟体每个样本文件中的行数即表达的miRNA不一样，在这里总结一下流程。

当然，你可以直接在Xena可以直接得到整理好的成熟体miRNA的log2(RPM+1)值。

step1：自mirbase数据库下载mature.fa文件，提取hsa所有的miRNA mature ID，总共有2588个id

第一列是成熟的miRNA ID，第二列是mirbase数据库的id，唯一id，后面要用这个唯一id转换

step2：TCGA官网下载成熟体，如：TCGA-STAD->isoform->miRNA-seq 491个文件

必须下载的三个文件

1，gdc_manifest......txt

2，gdc-client.exe

3，metadata.cart........json

1和2下载数据

3用来提取filename与文件name以及TCGA barcode的对应关系

step3：根据上面下载好的文件，写代码，整合文件，转换id

最后处理成一个矩阵：行是成熟体miRNA id 2588行  列是样本barcode id

最后：用于后续分析的时候，选择性的针对0行处理或者不处理