本人生物信息菜鸟一枚，第一次自己提取TCGA编码蛋白和lncRNA表达谱。
数据准备及介绍
利用简易TCGA下载工具，下载胶质瘤数据（表达谱数据）
双击所要选择的癌症（默认选择原发癌和癌旁正常组织）
单击重新检索按钮下载资源列表，并根据下载资源列表选择下载数据类型
点击下载，选择路径，开始下载任务
通过合并文件按钮将单个文件合并生成矩阵
数据每一列代表一个ENSG_ID，每一列代表一个样本
在ensembol数据库下载数据
选择人体蛋白质序列，数据大体内容如下
> ENSP00000487941.1 pep chromosome：GRCh38：7：142786213：142786224：1基因：ENSG00000282431.1转录本：ENST00000632684.1 gene_biotype：TR_D_gene transcript_biotype：TR_D_gene gene_symbol：TRBD1描述：T细胞受体β多样性1 [来源：HGNC符号; ACC：HGNC：12158]
GTGG
数据包含ENSP_ID，染色体位置，ENSG_ID，ENST_ID，gene_symbol，gene_biotype，
空格分隔
从中提取ENSG_ID，ENST_ID，gene_symbol，gene_biotype制成表格，用于以后比提取。
数据处理与结果
获取蛋白质基因列表
进口 重
def findlabel（line，opt，beg）：
STR1 =行[line.find（优化）：LEN（线）]
如果 str1.find（''）> - 1 ：
str1 = str1 [beg：str1.find（''）]
否则：
STR1 = STR1 [求：LEN（STR1）]
return str1.strip（）
def searchprotein（）：
file1 = 'D：/Homo_sapiens.GRCh38.pep.all.fa'
f = open（file1，'r'）
线= f.readlines（）
f.close（）
list1的= []
用于 线 在 线路：
line = line.rstrip（'\ n'）.strip（）
如果 line.find（'>'）== 0 ：
enst = findlabel（行， 'ENST'，0 ）
ensg = findlabel（线， '基因：'，5 ）
type1 = findlabel（line，'gene_biotype：'，13 ）
gene_symbol = findlabel（line， 'gene_symbol：'， 12）
list1.append（（ensg，ENST，TYPE1，gene_symbol））
fw = open（'D：/protein_ID.txt'，'w'） ＃写文件
为 升 在 列表1：
fw.write（'\ t'.join（l）+ '\ n'）
fw.close（）
如果 __name__ == '__main__'：
searchprotein（）
形成文件
获取蛋白质表达谱：
def getprotein（）：
file1 = 'D：/protein_ID.txt'
f = open（file1，'r'） ＃读取文件
线= f.readlines（）
蛋白1 = []
用于 线 在 线路：
行= line.rstrip（）。带（）
pro = line.split（'\ t'）[ 0 ]
如果 亲们 没有在 蛋白1：
在最末尾添加lnc中的 protein1.append（pro） ＃
返回 蛋白质1
def getproteinExpre（）：
蛋白1 = getprotein（）
file1 = 'D：/Merge_matrix.txt'
f = open（file1，'r'）
线= f.readlines（）
f.close（）
fw = open（'D：/proteinexp.txt'，'w'）
用于 线 在 线路：
行= line.rstrip（）。带（）
list1 = line.split（'\ t'，1 ）
if （list1 [ 0 ] in protein1）：
fw.write（line + “\ n”）
fw.close（）
如果 __name__ == '__main__'：
getproteinExpre（）
得到结果
lncRNA表达谱提取：
lncRNA 表达谱获取与上述类似
只需更改下列内容
乐团中选择下载人类非编码RNA数据
在非编码RNA的数据中要选取lncRNA类型
程序做适当更改
list1.append（（ensg，ENST，TYPE1，gene_symbol））改为：
match = re.match（r'lincRNA | macro_lncRNA | bidirectional_promoter_lncRNA'，type1）
如果 匹配
list1.append（（ensg，ENST，TYPE1，gene_symbol））
随后的处理不变。
超级方便的TCGA数据下载工具
欢迎加群去群共享下载
进群请注明
单位或者研究方向
欢迎关注生信人
