学习笔记总结于『生信技能树』 马拉松课程

一些普通的数据库，在网页中找到链接并直接点击即可下载下来；但像TCGA这样的数据库，下载方式会比较麻烦

一、GEO转录组数据

以GSE162550为例，首先要确保是转录组而非芯片，如图1

1.临床信息

点击网页最下方的 Series Matrix File

发现如图3中，这个文件只有2.2k，这么小不可能是表达矩阵。这里面实际上是它的临床信息

所以仍然可以用（系列一）的代码提取临床信息，回顾： 芯片代码实操（2）下载芯片表达数据 、 芯片代码实操（3）了解芯片表达数据

2.表达矩阵

它的表达矩阵其实在补充文档里面，如图4

图4中的Platform平台号是不需要的，因为不用 tinyarray 包的 find_anno() 找它的探针注释，毕竟转录组测表达量的原理不是用探针测的，自然没有探针注释

二、TCGA转录组数据

TCGA转录组的数据，下载流程如下

1.搜索Xena

2.点击Launch Xena

3.点击左上角的DATA SETS

4.点击GDC Hub

5.以CHOL为例

我们需要的count型数据在这里

点进去后请注意是不是真的count型数据，CHOL的不是原始count，而是log后的count，网页中有标明