【一文就够】TCGA下载-不同软件下载的数据编号怎么就对不上呢

此贴是为了回应一个疑问：TCGAbiolinks包、RTCGATollbox包，下载同一数据，数量对的上，怎么编号对不上？

还有一个引申的问题：TCGA 的表达数据、临床信息，怎么编号对不上？

--------------------------------------------------------------------------------------------------

第一个问题的产生，是由于不同工具提取的样本编号不同，当然也会出现结果不一致。

从样本来说，两种工具提取的样本是一样的。

要理解这个不一致，首先，要补一下TCGA对样本的命名方式，可参考官方文档：TCGA Code Tables。

简单说，比如一个编号是“TCGA-C5-A7UH-01A-11D-A351-09”。

其实，他的样本号是“TCGA-C5-A7UH-01A”。后面的“-11D-A351-09”是补充信息。

可是，写不同下载工具的伪码农可就不一定弄清楚了。

比如，“TCGA-C5-A7UH-01A”样本。

它在TCGAbiolinks下载到的编号是：TCGA-C5-A7UH-01A-11R-A352-07。

它在RTCGATollbox下载到的编号是：TCGA-C5-A7UH-01A-11D-A351-09。

测试数据下载于帖子【一文就够】TCGA-mRNA数据下载 的提问者@thaddeus 19楼。

--------------------------------------哪个编号更好呢？-------------------------------------

我推荐TCGAbiolinks下载的编号。

为啥呢？

因为，

RTCGATollbox包下载的编号的补充信息里“-11D-A351-09”的D指得是DNA啊。

TCGAbiolinks下载的编号的补充信息里“-11R-A352-07”的R指的是“Analysis”啊。

还有呢？

因为TCGAbiolinks包是使用TCGA的官方借口（API）下载的R包啊。

你不信官方发布的数据，难道相信第三方处理后的数据吗。

~~~~~~~~~~~~~~~~~~~~~~~~~~~~

另外，我分享了一个目录：版内《生信问题及解决方案》目录汇总

旨在 完善知识体系、方便查询所需代码、减少搜索的时间；

~~~喜欢我的分享，请用丁当鼓励我吧！~~~~

如你想我发布其他的生信经验分享，可以私信留言给我，

我会不定期挑选一些发布在坛子里

~~~~~~~~~~~~~~~~~~~~~~~~~~~~