上一次我们讨论了如何下载TCGA数据库的肿瘤数据，正如上一节所述，让我们来解读一下这些数据。

了解数据格式

我们一共下载了616个肾透明细胞癌相关的file。 下载的miRNA表达量均为样本文件夹，格式如下：

打开上面的文件夹之一看看数据的格式。 里面有一个. txt文档

但是，一些文件夹包含三个文档。 logs，两个. txt文档。 只需要每个文件夹下名称非常长的. txt文档。 这包括每个样品的miRNA表达量数据。

打开长文档查看数据格式，顺序为：

miRNA_ID:miRBase v21数据库中包含的miRNA名称，1881个； read _ count :用于表征mirna的原始reads数、定量； reads_per_million_miRNA_mapped :每百万reads来自此miRNA的reads数，简称RPM； cross-mapped:miRNA是否匹配多个位置；

至此，肾透明细胞癌患者miRNA表达数据下载完成。

了解

整理数据

数据的格式后，还需要对这些独立的文件夹做一件事。 也就是说，将他们组织成表达矩阵的格式，用于以后的分析。 这主要需要处理以下TCGA数据：

1、合并多个样本表示值：也就是说，合并每个文件夹下的文本列(read_count列)即可。 2、对于合并后的数据，需要将样本名称替换为TCGA-ID等格式。 例如TCGA-B2-5633-01A-01R-A27D-13。 (关于TCGA命名约定(3359 blog.csdn.net/QQ _ 35203425/article/details/80851862 )现在的问题是，什么文件需要我们的示例文档名(file 此数据实际上也位于ArrayExpress数据库中。 此数据库的数据存储结构在` ExpressionSet '类中包含以下部分：

AE库中的元数据还包括两种类型的数据phenoData和featureData。 实际上，它存储了示例数据的描述信息，包括分组、示例位置、示例名称和注释信息。

在中，从TCGA库下载的元数据也存储了类似于AE库示例的信息等。

看看从TCGA库中下载的元数据是怎么回事。 这是我下载的数据文件夹，里面有元数据。

metadata说，它是一个以. json为后缀的类似文本的文件，刚才每个示例都在数据库中描述信息等。

打开此文件：

1、我在notepad上打开的文件如下。 分号前面是每个属性，分号后面是属性值。 例如，' data _ type ' : ' mirnaexpressionquantification '表示下载了mirna表示数据。

2、我一共下载了616个文件的miRNA表达数据的信息。 所有这些描述信息都记录在元数据文件中。 我们需要知道样品和样品之间是如何识别的。 在上面的照片中，用蓝色的方块包围着。 两个背对着的大括号“，”表示两个样本之间的标识符。

3、找到与元数据属性值对应的示例文件夹。

根据这两个属性值，与元数据数据对应的TCGA样本名称' entity_submitter_id ' )是' TCGA-B8-5549-01A-01R-1540-13 '

616个file分别有对应的TCGA样本名，可以通过批量操作提取。

现在下载数据，解读元数据的数据关系。 下期我们会解决文章提出的两个问题。

整合各样品miRNA表达量； 样品名称也变更； 也就是说，提取每个样本的原始read_count值或RPM值，然后重命名样本。 合并后的最终格式如下。 (部分数据、TCGA样本名称太长，没有全部显示。