基于TCGA和GEO数据挖掘分析PRC1在肺腺癌中的表达及预后意义.pdf

该工具可以简化TCGA数据库的下载步骤，合并TCGA数据库中下载的文件挺不错的一个资源，亲测可用，如果需要的话，就赶紧来下载吧!!

TCGA数据分析

TCGA数据库挖掘.mp4

TCGA肺癌数据分析 该数据分析项目已在密歇根大学的2020年秋季我的Stats 600回归分析课程中完成。 分析的数据包含肺癌患者的样本以及不同的临床因素及其基因组信息。 在此分析中，我想回答以下问题：哪些mRNA基因表达与肺癌患者的生存时间最相关？ 与其他种族，性别和年龄等临床因素相比，吸烟与肺癌患者的生存时间是否更紧密相关？ 放射疗法是延长患者生存时间的有效手段吗？

结直肠癌TCGA+GEO数据库临床资料 实时更新TCGA和GEO中结直肠癌的数据

TCGA可变剪切矩阵

自己编写程序，对TCGA的临床信息进行整理和提取，便于做生存分析

PanClassif：用于癌癌分类的机器学习分类器管道 这是一个完整的机器学习管道软件包，可用于TCGA癌症RNA-seq基因计数数据。 数据预购 使用TCGA2STAT下载TCGA癌症和正常样本 使用knn-smoothing对上述收集的数据进行平滑处理（ ） 功能 featSelect（homepath，cancerpath，normalpath，k） 参量 homepath：（str）您要保存所有生成的文件和文件夹的路径。 癌变路径：（str） 所有癌症的癌症基因表达矩阵所处的路径。 normalpath：（str） 所有癌症的正常基因表达矩阵所处的路径。 k：（int）每个癌症要选择的最重要基因的数量。 （默认值：k = 5）您不能将k设置为小于5 dataProcess（homepath，names，cancerpath，smoothed_cancer，smoothed

使用Python递归解析从TCGA下载的metadata.cart.json文件