TCGA数据集是转录组分析常用的数据库，从数据库中获取相应的数据集之后进行数据清洗过程相对麻烦，但同时也是最关键的一步，本资源是零基础入门转录组分析——数据处理（TCGA数据库）教程中配套的代码+原始数据+最终处理好的数据。
零基础入门转录组分析——数据处理（TCGA数据库）教程链接：https://blog.csdn.net/weixin_49878699/article/details/135373467?csdn_share_tail=%7B%22type%22%3A%22blog%22%2C%22rType%22%3A%22article%22%2C%22rId%22%3A%22135373467%22%2C%22source%22%3A%22weixin_49878699%22%7D
2024-08-02 17:33:49
414.6MB
1
数据中中包含了大量对图像分割没有意义的数据，因此这里对原始数据集进行有效数据的提取。并且将有效数据集再次进行训练集 + 测试集的划分
注：log 训练文件较大，为了方便上传，这里删去不重要的train结果
2023-03-11 15:32:12
816.96MB
1
33种TCGA肿瘤的拷贝数GISTIC2.0分析结果
单价29.9元，付款后私信给博主，博主分享网盘链接。
2022-12-23 15:17:27
31KB
TCGA – KICH 癌症 CT 影像是腺瘤和腺癌相关的数据集，其包含来自 113 人共 2325 个数据文件，该数据集旨在对癌症诊治过程进行全程数字化跟踪，并以数字档案的形式记录检查结果、处方和疗效。
该数据集由 GDC Data Portal 发布。
2022-07-13 11:05:21
1.62GB
PythonProject_DataPrep
用于准备 TCGA 数据以进行分析的 Python。
概括：
combineMeth.py 和 combineExpr.py 可用于组合从 TCGA 下载的表达和甲基化数据。 只需在名为“data”（如代码中所写）的单独文件夹中包含所有 TCGA 数据的目录中运行代码。 如果您有一个不同名称的文件夹，或者您没有将所有数据放在单独的文件夹中，那么您可以在代码中进行相应的更改。
笔记：
如果您收到以下错误：“AttributeError: NoneType object has no attribute group”，则很可能是由于 TCGA 数据不同，正则表达式匹配存在问题。
2022-01-30 01:46:50
4KB
1
TCGA-KICH 癌症CT影像数据，旨在对各种类型的癌症诊治过程进行全程数字化的跟踪，以数字档案的形式记录检查结果、处方和疗效。
2021-12-21 15:43:45
1.62GB
1
一、GDCRNATools包下载
首先下载R包
if (!requireNamespace(BiocManager, quietly = TRUE))
install.packages(BiocManager)
BiocManager::install(GDCRNATools)
下载好之后运行，以COAD数据为例，下载：
library(GDCRNATools)
gdcRNADownload(project.id = TCGA-COADREAD,
data.type = RNAseq,
write.ma
2021-11-05 00:12:56
25KB
1
同源重组缺陷
“我们根据之前公布的 HRD/基因组瘢痕评分的 3 个组成部分计算 HRD 评分：HRD-LOH（Abkevich 等人，2012 年）、LST（Popova 等人，2012 年）、NtAI（Birkbak 等人，2012 年）和实施三者之和（Marquard 等人，2015 年）。” -克宁堡（Knijnenburg）等
2019 年 6 月 6 日上午 10:12 从下载的分数。 然后将它们与可从以下获得的 PanCancer Atlas 临床数据相结合： : 。 基因表达数据可从以下下载： :
人力资源开发分数
来自 Knijnenburg 等人的 HRD 评分可用于 33 种癌症类型的 9125 个样本。 8602 份样本来自原发性实体瘤，162 份来自原发性血液来源的癌症 - 外周血，361 份来自mets。 所有 162 例原发性血源性癌症 - 外周血样本
2021-10-26 18:12:45
8.17MB
1