由美国05年发起的癌症和肿瘤基因图谱（TCGA，The Cancer Genome Atlas）计划，旨在应用基因组分析技术研究癌症中的基因组变化，做了大规模的基因组测序，样本量过万，包含了三十多种癌症，其中尤其宝贵的是这些样本都有很详细的预后随访信息。TCGA提供了大量的深度测序数据，包括Gene expression, DNA methylation, Copy Number Variant, Mutation还有更深度的exon expression外显子测序结果，最常用的是33种肿瘤及正常组织的高通量芯片或测序数据，其次包括10种罕见肿瘤，无疑是一座巨大宝库。此外其临床数据包含。

TCGA数据下载网址：https://www.cancer.gov/ccg/research/genome-sequencing/tcga

Clinical: 包括病人的一般情况、诊治情况、TNM分期、肿瘤病理、生存情况等。

mRNA表达数据: 通过mRNA芯片或者RNAseq测得的mRNA表达量

microRNA: microRNA芯片或者microRNA-Seq测得的microRNA表达量

Copy number variation: SNP芯片得到的肿瘤组织比对正常组织的染色体上各片段的比值

Mutation: 肿瘤组织测序结果相对参考基因组的核苷酸突变，包括插入和缺失等变化

Protein: 蛋白芯片测序得到的约200种常见癌症相关蛋白的表达量Mythelation: 甲基化芯片测得的DNA甲基化数据，主要为27和450两种芯片的数

进入网页：

https://www.cancer.gov/ccg/research/genome-sequencing/tcga

数据类型Data Type选择Gene Expression Quantification

下载两个文件分别是Cart文件和Metadata文件

下载完成后我们将Cart，解压在他的原始文件夹中，我们可以打开其中一例数据看看包含哪些项目

包含项目：

gene_id：此处的为ENSMBLE格式；

gene_name：symbol格式

unstrandes：基因的表达counts值

tpm_unstranded：TPM值

fpkm_unstranded：FPKM值

mRNA-Seq数据分为4种：

Counts；TPM；FPKM；FPKM-UQ。其中Counts属于原始的格式

Counts: 测序的reads中比对到某个基因上的计数；TPM、FPKM: 用来衡量转录本表达丰度的一种量度方式；UQ-FPKM：通过上四分位点进行标准后的FPKM；

数据格式转换参考：

https://docs.gdc.cancer.gov/Data/Bioinformatics_Pipelines/Expression_mRNA_Pipeline/