欢迎关注”生信修炼手册”!
GDC是Genomic Data Commons的缩写，是由美国国家癌症研究所NCI建立的一套癌症数据共享系统，整合包括TCGA在内的多个癌症数据库中的信息，提供了癌症数据的统一存储，管理，展示，将数据与世界范围内的癌症基因组学研究者共享，网址如下
数据来源于以下多个大型癌症研究组织和项目
- Foundation Medicine(FM)
- Clinical Proteomic Tumor Analysis Consortium(CPTAC)
- THe Cancer Genome Atlas(TCGA)
- Therapeutically Applicable Research to Generate Effective Treatments (TARGET)
- Human Cancer Model Initiative (HCMI)
以上只是部分来源信息，而且还在陆续更新，以后也会有新的来源数据整合到GDC中。当然，到目前为止，该数据库中最大的数据依然是来自TCGA的数据。
为了方便管理如果大量的数据，建立了一个统一的数据模型，如下所示
最高层级为program,对应不同的数据来源，如TCGA, TARGET等；第二层为project, 代表一系列患者对应的；第三层为case,代表的是同一个患者的所有相关数据，包括SNV, CNV，基因表达谱等多种数据，需要注意的是case和sample是一对多的关系，一个患者可以取多份样本；最后一层是每个case相关的数据，即Files, 数据类型是多种多样的，包括序列，基因表达谱，SNV, CNV, 甲基化，临床信息等多种数据。
以上只是个人总结的简化版的模型，便于理解数据库中的信息，实际包含的数据类型更多，模型也更加复杂。数据库的首页提供了以下多个导航栏
1. project
可以查看所有项目的数据，也可以通过左侧的筛选框进行筛选，project相关属性如下所示
primary site表示样本对应的组织，program表示数据来源，disease type表示肿瘤类型，data category表示数据类型，比如序列，SNV, CNV等等，experimental Strategy表示实验类型，比如转录组，WGS, 甲基化芯片等。
表格形式的结果示意如下
第一列的project id由program加上肿瘤对应编码构成，肿瘤名称和编码的对应关系部分展示如下
点击project id可以查看summary信息，以TCGA-BRCA为例，示意如下
2. Exploration
这部分支持从以下3个方面来查看和筛选数据
- Cases
- Genes
- Mutations
Cases相关的属性如下
Genes相关的属性如下
Mutations相关的属性如下所示
以Cases为例，结果示意如下
点击第一列的case id,可以查看summary信息。除此之外，还提供了OncoGrid功能，对top50个突变基因的SNV, CNV在top200个cases中的分布进行可视化，示意如下
3. Analysis
这部分对于筛选出的数据进行以下两种分析
- venn analysis
- survival analysis
结果示意如下
4. Repository
这部分包含了所有可用下载的数据，可以从Files和Cases两个方面来查看和筛选数据，Files相关的属性如下
以Files为例，结果示意如下
通过点击购物车图标，可以将筛选好的数据集加入到到购物车，然后进行下载。对于感兴趣的单个数据集，直接点击网页上的下载按钮就可以下载了，但是对于数据量较大的数据集，就需要通过官方提供的客户端软件来下载。
·end·
—如果喜欢，快分享给你的朋友们吧—
扫描关注微信号，更多精彩内容等着你！
