前言：

关于老版本：从TCGA最早的V6到现在的V16，我们一直在努力更新，让他变得更好，当然现在的老版本V8及以下的都不能正常使用了，这是由于GDC API做了限制，一次最多只能查询10000个样本的数据，而老版本查询时一次查询多于该限制阈值，所以老版本的都不能用了，会一直显示超时!!!

关于ID转换：老版本的ID转换无法做到及时更新，所以把这个功能单独拿出来做成了另外一个插件，简易ID转换工具，故两者可以配合使用，即可达到ID转换的目的.

关于正常样本和肿瘤样本分开：因为涉及到大的矩阵操作经常会内存不够，所以新版本中取消了自定义合并的功能，目前使用可以有两种方式达到目的，一种是分开下载合并成两个矩阵后再进行合并，一种是利用：简易矩阵操作工具，来自定义你的大矩阵的列的排序和行的排序方式。 

配了鸡汤也配了勺子，喝不喝下去你开心就好。

工具的下载原理是利用GDC API，感兴趣的可以去看一看。

这是一个极简的下载工具，从盒子打开之后（打不开的看这里），他长这个样子:

对，就是这样，看着啥都没有！！！

其实他是在检索，大约过一会儿（因你的网络而定）就会长这个样子：

左侧就是检索出来可以下载的TCGA的三十多种肿瘤，你可以双击任何的一个肿瘤便可以进行下一步操作，比如双击选择胃癌：

弹出一个小框，可以下拉，里面有多种选择，每一种选择都是检索一类数据，GDC做了限制，所以检索所有数据时如果样本量过大可能检索不出来，比如乳腺癌，所以这里分类型来检索比较实在。

1、所有甲基化数据：主要包含两种平台的甲基化数据：27k和450k的

2、所有转录组数据：主要包含RNA-Seq，miRNA-Seq，划重点：下载基因表达、lncRNA表达、假基因表达、miRNA表达在这里下载

3、Biospecimen:主要是病人的入院收治信息

4、临床随访信息：主要包含病人的随访信息，划重点：你要的预后，生存，用药信息在这里

5、单核苷酸多态数据：主要包含SNP的数据，由四种软件处理的SNP数据都在这里面

6、拷贝数变异数据：主要包含CNV的数据，其中有两种一种是去除种系差异的，一种是没去除的。

我们先选择甲基化的看一看：

长这个样子，从中可以看到右上方下拉菜单有两种，450（397），27（73），这就说明胃癌 TCGA里测了两种平台的甲基化数据，样本量分别为397和73个，我们选择其中一个，然后右下角点击下载就好了，如果想进一步筛选一下癌症样本则右下角勾选癌症样本即可。

同理我们选择转录组数据看一看如下：

对！有五个，其中HTSeq 开头的表示的是RNA-Seq，三个分别表示三种定量方式，你酌情选择，不管选哪一种lncRNA、假基因、编码基因的表达谱都在这里面，BCGSC开头的表示miRNA-Seq，有两种，一种是isoform的这类是成熟体miRNA保存的地方，一种是不含isoform的，这类是前体miRNA保存的地方，你酌情选择，选择完右下角点击下载即可。

同理我们选择Biospecimen看看如下：

看一下，厉害了，有两千多个样本，这些都是啥呢，如图中红框文件大小比较小的，文件名是.xml结尾的此类是病人入院的信息，文件大小比较大的，文件名是.svs结尾的此类是病人的病理学图像数据，此类是最近新共享的，可以下载后用指定的软件打开看病理。

同理我们选择临床随访信息看一下：

有三类，biotab,XML，OMF XML，第一个是病人的一些其他信息比如同时患了其他肿瘤的信息，是文本文件，而第二个才是随访信息，包含各种预后，治疗等信息的数据，第三个和第一个差不多，但是是xml格式的。

看一下单核苷酸多态的数据：

很明显是四个软件的结果，都是maf文件格式的，所有的突变都在一个文件里，要算TMP之类的可以在这里下载。

再看一下拷贝数变异数据：

有两种，一种是.nocnv结尾的，一种是非nocnv的，样本个数是一样的，主要差别在于nocnv是去除了种系差异的，一般使用nocnv数据做后续的分析。

以上是所有类型的数据的下载介绍！数据下载完成之后大多数都不能直接用，故软件提供了 合并文件 这个功能，如右下角 合并文件按钮，以下载临床随访信息为例，数据下载完成是长这个样子：

划重点：

除了单核苷酸多态、Biospecmen，其他各个类型的数据下载下来都是类似的 一个样本一个文件的样子，所以此时我们就需要将这些样本合并成矩阵，故点击“合并文件”按钮，弹出文件选择框，选择我们下载好的文件的文件夹，里面包含了一个.log结尾的文件，我们选择该log文件即可将这些样本进行合并，该log文件记录了本次下载中所有的样本的下载信息，所以软件根据该文件对这些样本进行合并成最终的矩阵。

与前几个版本的差别如：

一、miRNA数据合并时同时合并出两个矩阵，一个是counts的，一个是FPKM的

二、支持拷贝数变异的数据合并，可以用来直接跑GISTIC，或者做其他的下游分析

三、优化了临床随访信息中疾病进展状态（复发，转移等）及时间的提取，身高、体重、BMI等

这些A开头的都是根据一定规则从随访信息数据中单独提取出来的，以便更轻松的往下分析。

总生存时间和状态提取原则：死亡患者：首次出现死亡时的时间，未死亡患者：最后一次随访的时间。

进展时间和状态提取原则：进展患者：首次出现进展时的时间，未进展的患者：最后一次随访的时间。