探序基因肿瘤研究院整理

1. ICGC网站

ICGC胰腺癌数据集总览，EXP-A代表有芯片的基因表达数据，EXP-S有RNASeq的基因表达数据。点击进入一个数据集，再点击Open in DCC Data Releases，可进入下载文件的页面。下载了一个exp_seq.PACA-CA.tsv.gz，里面不是一个矩阵文件，而是一个一行代表一个样本的一个基因的表达情况，要将这个表格转换成矩阵形式。同时，它的基因名字是ENSG编号的，要转换成常规基因名字。注意，同一个病人可能有多个样本的基因表达记录，要注意考虑样本类型。specimen.PACA-CA.tsv.gz文件记录有样本的来源种类，比如是肿瘤组织的，还是癌旁或者血液。donor.PACA-CA.tsv.gz记录有病人的临床信息，诸如生存时间，分期等等。关于RNASeq，基因表达表格中，有raw_read_count和normalized_read_count，也列了所使用的软件。但有时候normalized这列数据，表格并未交代清楚是TPM还是FPKM值。

2. TCGA网站