【TCGA-CRC】TCGA数据读取

VIP【TCGA-CRC】TCGA数据读取
本文介绍了如何从TCGA数据库中处理结肠癌(COAD)和直肠癌(READ)的RNA测序数据。首先,通过data.table::fread函数读取基因表达量文件,并检查基因ID和基因名称的一致性。接着,批量读取所有样本的TPM(Transcripts Per Million)数据,并将其合并为表达矩阵。随后,通过匹配样本ID和文件名,确保表达矩阵的列名与样本ID一致。最后,筛选出编码蛋白质的基因,并将处理后的数据保存为Rdata文件。整个过程涉及数据读取、合并、匹配和筛选,为后续的基因表达分析提供了基础。
开通可读全文 ·664 人阅读
最低0.47元/天 解锁文章

写在前面

参考已有的帖子写的,但是临床数据和UCSC的不同。有知道的小伙伴欢迎指正。

rm(list = ls()); gc()
test1 = data.table::fread("./00_Rawdata/GDCdata/TCGA-COAD/Transcriptome_Profiling/Gene_Expression_Quantification/00ae9ab8-6eaa-4085-af72-26f96df97fa3/90c9f8cd-4c8c-4f07-af2f-e17db69bd561.rna_seq.augmented_star_gene_counts.tsv")
test2 = data.table::fread("./00_Rawdata/GDCdata/TCGA-COAD/Transcriptome_Profiling/Gene_Expression_Quantification/00cdff29-697a-4a17-ba67-cf55c006b827/0f35c851-1cb8-4f75-a661-eae9111b7362.rna_seq.augmented_star_gene_counts.tsv")
identical(test1$gene_id,test2$gene_id)
identical(test1$gene_name,test2$gene_name)
sum(duplicated(test1$gene_id))
sum(duplicated(test1$gene_name))
x1 <-data.table::fread("./00_Rawdata/GDCdata/TCGA-COAD/Transcriptome_Profiling/Gene_Expression_Quantification/00cdff29-697a-4a17-ba67-cf55c006b827/0f35c851-1cb8-4f75-a661-eae9111b7362.rna_seq.augmented_star_gene_counts.tsv",
                       select = c("gene_id"))
head(x1)
exp_COAD <- dir("./00_Rawdata/GDCdata/TCGA-COAD/Transcriptome_Profiling/Gene_Expression_Quantification/",
               pattern = "*.rna_seq.augmented_star_gene_counts.tsv",#*表示任意前缀,$表示固定后缀
               recursive = T)
exp_READ <- dir("./00_Rawdata/GDCdata/TCGA-READ/Transcriptome_Profiling/Gene_Expression_Quantification/",
                pattern = "*.rna_seq.augmented_star_gene_counts.tsv",#*表示任意前缀,$表示固定后缀
                recursive 
VIP 医学影像数据集汇总:150个高质量公开数据集持续更新指南 医学影像数据集是AI模型训练与验证的基础资源,其质量、合规性与临床适配性直接决定算法落地效果。理解数据集的模态特性(如CT/MRI序列差异)、标注规范(如XML坐标转mask的工程开销)和许可协议(如CC BY-NC-ND对模型分发的限制),是构建鲁棒医学AI系统的前提。高质量数据集不仅需满足分割、分类、检测等任务需求,更应覆盖多中心、多设备、多病种的真实分布,以支撑域自适应、异常检测与临床决策验证。本文围绕150个经三重校验(论文核对、官网验证、本地实测)的医学影像数据集,系统解析其元数据设计、动态更新机 开通可读全文·412 阅读·10 点赞·7 收藏 阅读全文

相关推荐

【信息科学与工程学】【安全领域】第八十七篇 网络空间安全中的数学物理约束01

密码学基础(对称加密/公钥加密/哈希/数字签名)密码分析学(差分分析/线性分析/侧信道)安全协议与形式化验证(认证协议/TLS/密钥交换)访问控制与身份认证(Bell-LaPadula/BIBA/RBAC/ABAC)网络安全与攻防对抗(DDoS/入侵检测/攻防博弈)恶意代码分析(传播动力学/图论模型)隐私保护(差分隐私/同态加密/多方计算)可信计算与硬件安全(TPM/侧信道/故障注入)风险评估与漏洞管理(CVSS/攻击图/贝叶斯网络)信息论安全(完善保密性/熵/信息泄露量化)约束:侧信道攻击中的功耗模型(R

weixin_49199313的博客 566

组织病理学图像深度学习实战:从WSI切片到可复现训练管线

在医学图像分析中,全切片扫描图像(WSI)的超大分辨率与染色差异是常见挑战。通过将WSI切分为小patch,并应用颜色归一化技术,可有效降低数据变异,提升模型泛化能力。这一流程为病理AI提供了可复现的训练基础,广泛应用于癌症检测与组织分类。深度学习模型如ResNet和Transformer在patch级分类中表现优异,结合多实例学习还能实现WSI级诊断。本文围绕WSI切片、颜色归一化与可复现训练管线,详细解析从数据准备到模型部署的完整路径。

weixin_33624741的博客 315

结直肠癌淋巴结转移AI诊断:Jupyter端到端病理图像分析流水线

医学图像分析中的特征工程与可解释建模,是实现临床可信AI诊断的核心环节。其原理在于融合形态学、纹理统计与深度嵌入等多源特征,通过标准化预处理、分层特征选择与概率校准提升模型鲁棒性。技术价值体现在可复现性、中间结果可追溯及SHAP等归因工具支持临床决策验证。典型应用场景包括数字病理切片的淋巴结转移风险评估、医疗AI竞赛基线构建及病理科辅助诊断系统原型开发。本文聚焦于结直肠癌病理影像这一高需求领域,提供基于DICOM/WSI双路径加载、ROI自动定位与XGBoost+LightGBM混合建模的完整Jupyter

weixin_29165465的博客 226

TCGA-READ-mRNA表达数据——直肠癌表达及临床数据集整理

TCGA-READ数据集已经整理成LCPM格式,临床数据已经汇总整理。 LCPM格式即log2(CPM+1)格式,现在认为log2(TPM+1)和log2(FPKM+1)格式比较过时了。部分生信文章审稿人推荐使用此格式分析数据

命令行执行YOLO训练命令报错:1.PermissionError: [WinError 5] 拒绝访问 2.OMP: Error#15: Initializing libiomp5md.dll...

(已解决!)报错:1.PermissionError: [WinError 5] 拒绝访问 2.OMP: Error #15: Initializing libiomp5md.dll, but found libiomp5md.dll already initialized.

Gpengyuyan的博客 1128

[Linux]双网卡 CentOS 系统中指定网络请求走特定网卡的配置方法

本文详细介绍了在双网卡CentOS系统中指定特定域名/IP通过指定网卡传输流量的方法。核心步骤包括:1)确认网卡信息(ip addr)和域名IP解析(nslookup);2)添加临时路由(ip route add);3)持久化配置(创建route-eth1文件);4)验证配置(ip route show和curl测试)。文章还提供了网关查询、路由删除等常见问题的解决方法,并区分了不同CentOS版本重启网络服务的命令差异。通过合理配置路由规则,可实现流量的定向传输需求。

wingaso的博客 1578

海康工业相机LabVIEW二次开发实战——参数配置优化与图像高效存储

本文详细介绍了海康工业相机在LabVIEW平台上的二次开发实战,重点解析了相机参数配置的优化方法与图像高效存储策略。通过剖析曝光、增益、触发模式等核心参数的设置逻辑,并结合生产者-消费者设计模式,指导开发者构建稳定、高效的图像采集与异步存储流程,有效提升工业视觉项目的开发效率与系统稳定性。

weixin_29306317的博客 224

DPM|03Injection设置

摘要:本文介绍了CFD软件Fluent中粒子注入的设置方法。粒子注入是将离散颗粒引入连续相的过程,可用于模拟灰尘、燃料液滴等。设置流程包括:选择粒子类型(质量less、惰性等)、定义注入点属性(坐标、时间、粒径等)、处理多组分粒子、使用文本文件批量定义复杂注入。文中还详细说明了要考虑的湍流影响,包括随机追踪法模拟湍流扩散,以及粒子旋转建模等注意事项。最后介绍了多种注入类型和粒子类型,并强调在湍流系统中需设置足够的尝试次数以确保结果准确性。

qq_28258217的博客 2231

【100%通过率】2024华为OD机试真题E卷 C++ 实现【栈数据合并/空栈压数】

向一个空栈压入正整数,每当压入一个整数时,执行以下规则(设: 栈顶至栈底整数依次编号为n1、n2...nx, n1为最新压入的整数)

MISAYAONE的博客 1555

HFSS实战项目——GPS北斗双模微带天线

本文设计了一款方形圆极化微带天线应用于北斗B1和GPSL1频段,满足高增益、低VSWR、适当方向图等要求。设计中心频率为1568MHz,介质板采用厚度h=1.6mm的Arlon AD450(tm)板,相对介电常数为4.5,采用探针馈电。

2401_87464239的博客 1775

SAR成像概述

1. 发展概述 雷达是英文Radar(Radio detection and ranging)的音译,原意为“无线电探测与测距”。雷达的发明是无线电发展史上的里程碑,二战时,英国急需通过雷达探测空中金属物体来帮助搜寻德国飞机,这期间,雷达技术飞速发展,发展出了地对空、空对地轰炸、空对空火控、敌我识别等功能。雷达在第二次世界大战中发挥了重大作用,至今仍是军用和许多民用领域的重要传感器。 早期雷达系统通过时间延迟来测距,通过天线指向来测角,通过多普勒频移测速。1951年,Carl Wiley发现,通..

5093

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

上一篇: 【R语言】计算遗传距离和Fst
下一篇: 【AI study】ESMFold安装
小八四爱吃甜食
博客等级 码龄7年 783粉丝 64原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址