s******s
发帖数: 13035 | 1 我比较熟TCGA啊，哈哈，估计版上比我熟的不多。
不知道你raw data的定义，TCGA有无数high level的data，比如表达，突变，
genotype等等。TCGA的病人clinical data都deindentify了，所以用起来
没问题；但是genomic data，包括genotype等，凡是有病人基因序列的，都
属于protected, 比如用era commons账号登陆才行，这玩意儿很繁琐，不过
批准不难。
TCGA的数据主要分三部分，一个是data portal上的open access data，随便
下载；另一个是protected access data, 要账号；最后是原始的NGS data，
在ucsc的cghub上有一份，在uchicago的pdc上有一份。
另外，每次有人要玩TCGA data，我都要提醒一句有个annotation database,
这个最好研究一下，比较难用，不过不去看得话，garbage in garbage out。
对于open access的data，有一个R package叫做TCGA Assembler非常好用... 阅读全帖 |
|
R****n
发帖数: 708 | 2 no limitation now. you can do what ever you want, but asking for a
permission from TCGA before publication. Breast cancer has around 500
patients.
https://tcga-data.nci.nih.gov/tcga/ |
|
n******e
发帖数: 110 | 3 想下载TCGA原始测序data，可看了说明说是得PI申请。是不是申请都能够批呢？上次看
到TCGA的人做报告说是所有breast cancer的数据都可以下载，没有限制了。有谁知道
给说说？谢谢！ |
|
x******3
发帖数: 111 | 4 目前文章在一顶级杂志revise中，准备一个月内修回，其他实验都好办，唯独我们用的
药物临床数据是个问题，制药公司效率比较低，一个月之内不可能给我们相应的数据。
我决定尝试用其他类似的药物的临床数据（reviewer知道并且也建议这么做），不知道
TCGA
能不能解决我的问题？ 我现在看到下面这篇文章应该能给我足够多的BRCA1-MUTANT病
例（~40 patients）和对carboplatin的response。
https://tcga-data.nci.nih.gov/docs/publications/ov_2011/
现在我想将他们分为两组根据我的研究的基因的表达高低，然后比较药物敏感度。
如果数据能用，我不介意增加co-author （需要跟老板商量一下，但基本上我可以决定
，老板非常好说话），但是至少会acknowledgement。
其实我们有自己的生物信息部门，但是我希望能找到一个长久合作的人士，以后不管回
国还是在国外建组时能够相互合作。
如果你觉得你有朋友可能感兴趣的的话请转告一下。不胜感激！ |
|
x******3
发帖数: 111 | 5 今天终于有人联系我，非常感谢。但我不知道回信成功了没？（请联系我的邮箱
K********[email protected] ）因为前几天一直没有人答复我，很着急，所以我今早去找了
我们的生物信息学部门谈了合作，不然这个周末都过不好了。但是我不知道他们能不能
帮的到我？他们说下周四之前跟我说。不知道还有人愿不愿意帮我看一下 （可能只能
acknowledgement）？
另外，如果您能找到除了下面这篇文章以外的TCGA数据库或者其他数据（BRCA1-MUTANT
肿瘤, 对cisplatin或者carboplatin的生存期）并且能用的话，我们还是很愿意加入进
去的 (可以 co-author)。
我们会在三个月内再投一篇,我希望可以找到一个可以长期合作的伙伴。
I am wondering whether you have time to discuss with the data analysis on
the BRCA1-mutant tumors from the following paper https://tcga-data.nci.nih.
gov/docs/publicatio... 阅读全帖 |
|
C*********s
发帖数: 31 | 6 才知道cell line原来这么翻译的。。。
cbioportal很不错 TCGA的分析结果基本都在了 来源应该是Broad 只是不支持大规模的
数据下载 可以自己写写script去query 用不着cs master
TCGA的原始数据 如果是bam file 是需要账号的 我记得只有美国的pi才行 也用不着cs
master
从cghub下载 https://cghub.ucsc.edu/docs/user/download.html |
|
a**r
发帖数: 352 | 7 我的理解是，TCGA 的原始数据需要对使用人的身份进行认证和审批，raw-data，特别
是seq data， 牵涉到病人的隐私（IRP和HIPAA）. 一般就是直接从TCGA的网站上下载
level-3级别的data，就是已经处理好（当然你必须要再加工，否则很难用），完全没
有个人信息的（clinical meta data也只是有病人ID）。 |
|
s******s
发帖数: 13035 | 8 我给你说一下随便给你fastq的严重程度吧。
我给你，我马上会被开除。
上次在TCGA的一个邮件列表里，里面绝大多数人都有这些数据权限。
其中又一个bioinformatician发现一个bug，report的时候引用了十几条
reads，也就是一个文件的百万分之一都不到吧，马上被列表管理员要求
所有的列表成员确认把那封邮件删除，然后一个一个去列表管理员里面汇
报自己删除了，没有TCGA权限的也要特别说明，然后提交NCI备注。 |
|
m***u
发帖数: 39 | 9 想看看TCGA database里miR-21在Breast cancer中的表达量的变化，有哪一个软件可以
做？现在可以download下来，但是不会分析啊？？有没有同行说说。谢拉 |
|
l*******e
发帖数: 170 | 10 我目前的理解是
Oncomine只有transcript data (mRNA)。
TCGA: The Cancer Genome Atlas 来自病人的组织，而且都是raw data
CCLE: Cancer Cell Line Encyclopedia 数据来自大约1000肿瘤癌症细胞株
cBioPortal: 数据来自组织和细胞株，数据做了处理，比较容易查找 |
|
M******n
发帖数: 508 | 11 oncomine和cbioportal都是提供分析好的数据的平台，数据来源比较杂，TCGA的原始数
据非常大，做一两个sample还行，想做大规模分析一般人没这个资源，CCLE只有细胞株
的数据 |
|
|
M******n
发帖数: 508 | 13 oncomine和cbioportal上有TCGA数据的分析结果，要想分析原始数据，至少先读个CS的
master吧，然后转行得了，分析数据都省了。 |
|
G******n
发帖数: 289 | 14 TCGA 会用R，会统计就行了，如果不分析raw data的话。
最好补一下统计和线性代数，矩阵算起来快一些。 |
|
R****n
发帖数: 708 | 15 TCGA assembler 是从server上直接download？SNP什么的估计还行，RNAseq 450k,都是
几百兆上G的data怎么实时分析？我16G的机器，基本上load一个methylation的matrix
就满了。 |
|
s******s
发帖数: 13035 | 16 我说了， NGS的BAM和FASTQ都在CGHub； 所有其他能infer sequence的东西，比如
genotype, vcf，要password；其他的一切东西，包括蛋白分析，methylation, cnv,
maf(tumor - normal)， gene表达， 等绝大多数，都在open access, 基本上都能
assembler弄下来。
你的450k，估计你不会自己去分析raw data吧，分析过的beta value啥都很小的。
用assembler搞450k尤其方便，因为它可以帮你搞gene level的平均，然后把gene
名字搞成hugo. TCGA的gene model是GAF2，那个是用起来相当的头痛，和其他地方
数据比较的烦死我。
matrix |
|
R****n
发帖数: 708 | 17 我都是直接搞level 3,normalization让TCGA弄吧，我现在也不可能一个人把wet，dry
都从头到尾搞定了。450k的差异是很小，很多有差异的基因均值也就差0.0x。450k一个
level3的文件就是30M，一种cancer300-500的病人，一般就要8-10G的内存。一般
assemble成matrix就一两个小时，这个assembler能快点不？ |
|
s******s
发帖数: 13035 | 18 btw, MD Anderson有一个TCGA data plate effect的visualization, 貌似很强大，不过
我只是玩过，没真用过
dry |
|
s********9
发帖数: 132 | 19 肿瘤组织的异质性是都知道的事实了，tcga列出肿瘤中存在某个突变的时候怎么知道在
该组织中有多少比例的细胞存在这样的突变呢？在level1，2，3的数据哪一个里面能得
到这个信息呢？
多谢 |
|
n******7
发帖数: 12463 | 20 谢谢详细解答，有些是我知道的，有些细节我确实不清楚
我之前就发现TCGA的CNA主要都是array平台来的，而且很多信息不是很清楚（比如有个
cnv/nocnv的注释，去年ACCR我问了TCGA的人，也没完全说明白）
我用TCGA的data matrix 入口download过所有的lv3 data和部分lv2 data
他们那个bulk download没搞清楚怎么用...
TCGA Assembler和firebrowse都没用过，annotation database也是第一次听说
TCGA把这么重要的东西藏这么深也太挫了，我现在文章都写好了。。
我决定先投了，reviewer让QC再QC吧，结果应该只会更好
我们需要WGS data, 在TCGA dcc 只有WES的data，WGS都在cgHub
但是我们不想自己从bam开始处理，想直接拿SNV/SV的calling，这个ICGC可以提供，所
以我们需要access
昨天我想要一个很简单的统计，比如每个cancer sample，整个genome上%多少的region
是double deletion, single dele... 阅读全帖 |
|
s******s
发帖数: 13035 | 21 你的理解是错误的。你要找什么data，我也许可以帮到你。
只有raw sequence BAM和FASTQ在CGHub, 其他所有的都在TCGA DCC.
DCC有两个入口，controlled里面是所有有序列的data, 包括genotyping,
variant，和一些pcr sequencing。如果是mutation (tumor - normal), CNA
这些，全部都是open access.
CNA主要是AFFY SNP6的，也有一些其他的平台，包括low coverage WGS,
这些都是open access。问题是TCGA号称 no platform left behind, 所以方法
虽然多，但是并不是所有的disease都有所有的data type.
TCGA的data我一般在三个地方找，DCC是一处，或者用TCGA Assembler
拉，另外常见的open data可以去firebrowse.org下载。firebrowse的好处是
QC有问题的data都扔掉了，然后都combine成matrix form。你要自己找DCC
的data，必须去TCGA ... 阅读全帖 |
|
y**********n
发帖数: 478 | 22 把我能看到的SLC25A13的突变贴出来吧（HGMD），方便对照：
Missense/nonsense 27：
Codon change Amino acid change
tGAG-TAG Glu-Term
GCA-GAA Ala-Glu
tCGA-TGA Arg-Term
cCGA-TGA Arg-Term
TCG-TAG Ser-Term
tCGA-TGA Arg-Term
GGT-GAT Gly-Asp
cGAT-AAT Asp-Asn
tCGA-TGA Arg-Term
aCGA-TGA Arg-Term
GGC-GTC Gly-Val
aGGT-AGT Gly-Ser
aCAG-TAG Gln-Term
cACA-CCA Thr-Pro
AAG-AGG Lys-Arg
tCGA-TGA Arg-Term
aTGC-CGC Cys-Arg
GGT-GAT Gly-Asp
GCT-GAT Ala-Asp
ACG-AGG Thr-Arg
ACG-A... 阅读全帖 |
|
|
|
s******s
发帖数: 13035 | 25 那片ABSOLUTE的文章里面应该有purify, 卵巢癌应该非常纯，肺癌啥的很烂。
很多信息都在idf里面, 或者tcga的wiki，另外，这个目录你是怎么也不知道的啊，哈哈
https://tcga-data.nci.nih.gov/docs/，因为哪里都没链接，我喜欢乱翻网站。
至于八卦么，多和TCGA DCC (NCI), BCR (Nationwidechildren), GDAC (Broad) 的人
聊聊天就知道了，嘿嘿嘿嘿嘿嘿嘿。
tumor
purity |
|
s******s
发帖数: 13035 | 26 解释一下我们中心主要做什么
最大的一部分是做工程项目。GDC https://gdc.cancer.gov/是我们做的最早的也是
现在最大的data commons项目，基本上NCI CCG support的研究项目，里面有基因组数
据的都会过来，现在已经有十几个项目了（很多数据没放出来）。大家不知道CCG是干
啥的，就是做TCGA的部门，做癌症基因组这行的TCGA都知道把。现在TCGA的数据我们全
分析过一遍，在我们OpenStack的云上，然后在Google和AWS上各有一个几千个TB的copy，
现在FireCloud，7-bridges啥的都是在用云上的数据。计划以后的项目都这么搞，不愿
意下载数据的我们直接提供可视化页面分析，愿意下载在电脑里少量分析的可以用我们
的工具下载，要大量分析的，直接上云随意。
btw, 对国内科委生物大数据项目有兴趣的可以去看看国内的五年计划，基本要求就是
按照我们现在已经实现的部分写的，不谦虚的说，我们是美国第一个成功搭建的data
commons, 比国内基本领先三到五年。
在GDC的基础上，我们推出了一系列可以帮助别人搭建data com... 阅读全帖 |
|
|
n********t
发帖数: 1079 | 28 TCGA的原始数据很可能是一个烂摊子（比如他们某个小项的WGS数据中至少一半的pair
有严重的artifacts），单靠刨TCGA出来的东西，自己不实验验证，结果多数是垃圾。 |
|
Z******5
发帖数: 435 | 29 准备把GEO的和TCGA的乳腺癌数据都整理一下。 TCGA的还没详细看，但大概知道可以整
类的下载。 GEO的自己处理了一些，但是搜索和分类有点麻烦，要是有直接分类好的
就好了。 |
|
s******s
发帖数: 13035 | 30 你要表达谱的话，TCGA里面尽量用RNAseqV2, 然后把annotation里面提到的去掉。
不过,TCGA里面V2用的是mapslice＋RSEM，gene model是GAF2，单独看还行，
和其他的项目比较还有more work |
|
s******s
发帖数: 13035 | 31 有啊。TCGA一堆数据, SNP6 level 3 segmentation data, open-access
没空研究的，去看一下Broad ABSOLUTE的paper，可能TCGA pan-cancer的paper也有 |
|
n******7
发帖数: 12463 | 32 TCGA 的CNA基本都是microarray based
基于WGS的data存在CGhub
这些data process过后再ICGC有（我在TCGA死活没找到）
而这个是controlled access |
|
s******s
发帖数: 13035 | 33 我一般都是直接去
tcga-data.nci.nih.gov/tcgafiles/ftp_auth/distro_ftpusers/anonymous/tumor/
WGS的data主要是low coverage CNA，有很多；mutation calling的可能和WXS
混在一起了。我知道TCGA现在在做multi center calling, 大多数data应该很快会
出来。
ICGC的mutation可以下载了么？我知道刚差不多finish了sanger pipeline; 其他
的两个刚开始。
关于cnv/nocnv，我的理解是cnv是tumor的cnv, nocnv大概是tumor relative normal
的cnv. 意思就是，既然你没有normal的cnv data, 那么一般研究应该用nocnv, 也就是
把normal的也考虑进去了。
annotation这玩意儿连几篇marker paper和pan-can paper上面都没提。不过他们
估计都知道，直接去firebrowse搞就不用考虑annotation了。annotation里面有很多
比如疾病分... 阅读全帖 |
|
n******7
发帖数: 12463 | 34
我一般都是直接去
tcga-data.nci.nih.gov/tcgafiles/ftp_auth/distro_ftpusers/anonymous/tumor/
－－
这个不错。不过好像没有sample annotation information？ 用data matrix会生成一
个包，里面有每个sample的annotation。比较重要的就是sample code，因为这里面有
tumor sample也有normal control。我写了个脚本，从local 文件里面抽取想要的
sample挺方便的
WGS的data主要是low coverage CNA，有很多；mutation calling的可能和WXS
混在一起了。我知道TCGA现在在做multi center calling, 大多数data应该很快会
出来。
ICGC的mutation可以下载了么？我知道刚差不多finish了sanger pipeline; 其他
的两个刚开始。
－－
这个我也了解不多，我们知道有处理过的data之后，就混乱进去，现在等他们给我们一
个什么wiki的access，估计有do... 阅读全帖 |
|
n******7
发帖数: 12463 | 35 sequencing center？
你说的这些TCGA的问题让我感觉这是一个巨大的坑
我下个project还要用TCGA data，真愁死了 |
|
s******s
发帖数: 13035 | 36 正相关还是强烈诱导表达？两码事啊！
另外，你TCGA看的是什么data？不一样的平台总体可以比，个别基因可能有偏差。
话说，我最近比较TCGA和GTEx的data，发现了一个唯一而且极端显著的Tumor
Specific的regulation event, 后来发现多半是RNA-Seq analysis不一样pipeline造成
的。 |
|
s******s
发帖数: 13035 | 37 正相关还是强烈诱导表达？两码事啊！
另外，你TCGA看的是什么data？不一样的平台总体可以比，个别基因可能有偏差。
话说，我最近比较TCGA和GTEx的data，发现了一个唯一而且极端显著的Tumor
Specific的regulation event, 后来发现多半是RNA-Seq analysis不一样pipeline造成
的。 |
|
j**********9
发帖数: 4 | 38 我回复一下。记不住zhegufei2015的密码了，就用以前注册的ID回复一下。
（1）为什么和流行病学家合作？因为他们采集样本，长期跟踪病人数据；这些数据和
分析技术/实验技术同等重要甚至更为重要。很多人不满意TCGA的原因就是TCGA病人数
据不好。
（2）我没有讲清楚，这个博后位置主要是流行病学PI招的，我是Secondary mentor.
当然一起负责。
（3）其实我们自己有Bioinformatics的人处理数据，流水线的活一般不够博后干。招
博后就要写Paper的。
（4）J1是访问学者签证；H1B是只给federal government employee的。雇佣一个
federal government employee非常麻烦，关键还要看有没有位置空出来。如果申请人
背景很好而且正好属于我们特别想要的，我们需要写Memo找老板要位置。这个相当麻烦
。在美国的PhD可以用OPT。
（5）三个月前发帖子，我们完成面试，面试的人very impressive。我们正在Draft
Offer letter，现在在等第三封推荐信。现在合作招人的是另外一个流行病PI。
（6）... 阅读全帖 |
|
z**********5
发帖数: 63 | 39 我回复一下。
（1）为什么和流行病学家合作？因为他们采集样本，长期跟踪病人数据；这些数据和
分析技术/实验技术同等重要甚至更为重要。很多人不满意TCGA的原因就是TCGA病人数
据不好。
（2）我没有讲清楚，这个博后位置主要是流行病学PI招的，我是Secondary mentor.
当然一起负责。
（3）其实我们自己有Bioinformatics的人处理数据，流水线的活一般不给博后干。招
博后就要写Paper的。
（4）J1是访问学者签证；H1B是只给federal government employee的。雇佣一个
federal government employee非常麻烦，关键还要看有没有位置空出来。如果申请人
背景很好而且正好属于我们特别想要的，我们需要写Memo找老板要位置。这个相当麻烦
。在美国的PhD可以用OPT。
（5）三个月前发帖子，我们完成面试，面试的人very impressive。我们正在Draft
Offer letter，现在在等第三封推荐信。现在合作招人的是另外一个流行病PI。
（6）NIH博后有很多机会写Grant，包括内部的（NIH， NCI或者我... 阅读全帖 |
|
c********e
发帖数: 598 | 40
“很多人不满意TCGA的原因就是TCGA病人数据不好”。能展开讲讲吗？ |
|
h*******k
发帖数: 975 | 41 一招毙命y
最重要的不是看到什么信息，而是不看什么信息。
SwissPro，TCGA 这些数据库，全是专门遴选的。一定要建立可靠的 server 和 流量，
确保能利用这些宝藏。 |
|
s******s
发帖数: 13035 | 42 扯淡。
美国TCGA/GTEx的基因组数据中国都随便下载。我不是说这个不需要保护，
不过其实这个基本上和国家安全毫无关系。 |
|
l***y
发帖数: 4671 | 43 胖老师，他们的工作其实和你说的这种灌水文章是有区别的。
他们的工作分了两个层面：knowledge 和 model，以及连接着两个层面的那个 working
hypothesis。先是用 TCGA 等数据发掘出了一个 knowledge，就是有 5 个 feature
和 NSCLC 是强相关的。至于怎么应用这个 knowledge，也就是 model，这时候还没有
呢。应用的时候，是用了来自自己医院的一个 cohort，而且并没有局限于某个特定的
model －－ 那样大家会质疑是不是只有这个 model 管用，也就是你说的反复优化来
fit 的问题。他们把这个发现的 knowledge 变成“这 5 个 features 可以诊断 NSCLC
”这样的 working hypothesis，选取了四类在算法上大相径庭的 models，应用同一个
working hypothesis，都得出了不错的结果。这就说明这个 knowledge／hypothesis
是不依赖于特定模型的。
这个流程越来越成为主流了：对公共数据做数据挖掘来得到 knowledge，然后用这个
knowledg... 阅读全帖 |
|
l***y
发帖数: 4671 | 44 胖老师，他们的工作其实和你说的这种灌水文章是有区别的。
他们的工作分了两个层面：knowledge 和 model，以及连接着两个层面的那个 working
hypothesis。先是用 TCGA 等数据发掘出了一个 knowledge，就是有 5 个 feature
和 NSCLC 是强相关的。至于怎么应用这个 knowledge，也就是 model，这时候还没有
呢。应用的时候，是用了来自自己医院的一个 cohort，而且并没有局限于某个特定的
model －－ 那样大家会质疑是不是只有这个 model 管用，也就是你说的反复优化来
fit 的问题。他们把这个发现的 knowledge 变成“这 5 个 features 可以诊断 NSCLC
”这样的 working hypothesis，选取了四类在算法上大相径庭的 models，应用同一个
working hypothesis，都得出了不错的结果。这就说明这个 knowledge／hypothesis
是不依赖于特定模型的。
这个流程越来越成为主流了：对公共数据做数据挖掘来得到 knowledge，然后用这个
knowledg... 阅读全帖 |
|
l***y
发帖数: 4671 | 45 What? 几个 TB 也叫大数据？TCGA 现在一整就是一两个 PB 的说。 |
|
m****s
发帖数: 18160 | 46 【 以下文字转载自 Biology 讨论区 】
发信人: valine (valine), 信区: Biology
标 题: Postdoctoral position available
发信站: BBS 未名空间站 (Mon Jul 1 15:38:12 2013, 美东)
Postdoctoral Fellow Position
A postdoctoral fellow position is available to study ERK3 kinase signaling
in cancer progression and metastasis. ERK3 is a member of the atypical MAP
kinase subfamily. In contrast to the well-studied classic MAPKs, such as
ERK1/2, little is known concerning the molecular regulation of ERK3
signaling and its function in cancer... 阅读全帖 |
|
|
M*P
发帖数: 6456 | 48 这个叫TCGA ，nih 从2006年开始搞，都好多年了。 |
|
h********n
发帖数: 4079 | 49 TCGA就在做你设想的事情, 做了好些年了.
很多对cancer了解不够的人喜欢说"....对肿瘤的治疗进步比较缓慢"----进展从来都有
, 也不见得慢, 只是很多人, 包括一些cancer researcher, 对cancer的复杂性大大低
估了, 所以才觉得进展缓慢. |
|
j*p
发帖数: 411 | 50 1. 许多癌症的存活率之所以很低，很大一个原因，是相当一部分患者在确诊患癌症的
时候，已经是很晚期。相反，如果发现的早，那么按照现在的医学水平，还是有很多办
法可以治愈或者控制许多癌症，并以此延长患者的生命。
2. NGS以及其他技术（例如cell sorting, signal-cell seq/image）的发展，当然也
包括像TCGA等大型项目的实施，将在不久的将来对癌症的早期诊断获得突破，尽管目前
还存有许多实验上和分析上的技术问题。
3. 然而这些技术的发展对了解癌症机理的贡献，并以此提出新的治疗方案，或者发明
新的药物，短期内不会有太大的突破。不仅仅因为癌症，作为一个笼统的概念，是数百
个不同的疾病的总和，不同的癌症发病机理有可能会非常不同。这里牵涉到的问题非常
多，例如此前有同学说的，signaling pathway，gene and protein expression, post
transcriptional and translational modification等，也涉及到DNA/RNA
methylation，acetylation, histome m... 阅读全帖 |
|
