下载TCGA所有癌症的maf文件做signature分析

才sanger研究所已经做好了这个分析，但是值得我们重复一下，效果如下：

TCGA所有癌症的mutation signature

首先TCGA所有癌症的maf文件

maf格式的mutation记录文件在TCGA里面已经是level4的数据啦，所以是完全open的，可以随意下载，只需要去其GDC官网简单点击，选择即可。

主要步骤就是在https://portal.gdc.cancer.gov/repository里面点击过滤文件类型，选择maf格式，再过滤access权限，选择open即可，最后得到的132个文件就是我们需要的。

总共是2.19GB的文件，每个癌症种类都有4种maf文件，分别是用mutect,muse,vanscan,somaticsniper这4款软件call 到的somatic mutation文件。

下载方式这里我选择下载它们132个文件的manifest文件，然后用GDC提供的官方工具来下载！关于这个工具，我 在生信技能树论坛写过教程，就不多说了，自己去看哈，现在下载TCGA数据也是非常方便，首先是GDC网站及客户端 就是安装成功后，运行 ./gdc-client download -m manifest_xxx.txt j即可。这个manifest文件就是自己刚才创造并且下载的。

  1. cd ~/institute/TCGA/GDC_NCBI/all

  2. ~/biosoft/GDC/gdc-client download -m gdc_manifest.2017-08-25T02-57-11.281090.txt

但是这个工具，提供的电脑操作系统版本有限哦If you are a user of CentOS 6 or RedHat Enterprise Release 6 and wish to use the Data Transfer Tool, contact the GDC Help Desk for assistance.

所以我是在MAC里面下载好了，再上传到我的服务器去的！

然后根据MAF文件制作signature

我是根据这篇文章Mutational Profile of Metastatic Breast Cancers: A Retrospective Analysis里面的方法来做的，他们的方法描述如下：

  1. De novo mutational signature analysis was done using the Matlab Welcome Trust Sanger Institute’s signature framework. We used the deconstructSigs R package to determine the contribution of the known signatures that explain each sample mutational profile with more than 50 somatic mutations. We considered the 13 signatures (Signatures 1, 2, 3, 5, 6, 8, 10, 13, 17, 18, 20, 26, and 30) operative in breast cancer as defined in COSMIC (http://cancer.sanger.ac.uk/signatures/matrix.png). A signature was defined as operative or predominant if its contribution to the mutational pattern was respectively >25% (or >100 mutations) or >50%.

虽然我以前写过一个类似的教程，用SomaticSignatures包来解析maf突变数据获得mutation signature 这里还是再学习学习这个新的工具deconstructSigs R package吧。

这是个R包，所以直接在Rstudio里面安装即可，这里选取BRCA的somatic mutation的MAF文件做一下分析，看看四个软件找出的变异，是否在signature上面有差异。

  1. install.packages('deconstructSigs')

  2. # dependencies 'BSgenome', 'BSgenome.Hsapiens.UCSC.hg19'

  3. BiocInstaller::biocLite('BSgenome')

  4. BiocInstaller::biocLite('BSgenome.Hsapiens.UCSC.hg19')

  5. ## https://github.com/raerose01/deconstructSigs

  6. file1='TCGA.STAD.muse..somatic.maf.gz'

  7. TCGA.STAD.muse=read.table(file1,sep = '\t',quote="",header = T)

  8. TCGA.STAD.muse[1:5,1:15]

  9. ## data frame including 5 columns: sample.ID,chr,pos,ref,alt

  10. sample.mut.ref <- data.fram(Sample='TCGA.STAD.muse',

  11.                                chr = TCGA.STAD.muse[,5],

  12.                                pos = TCGA.STAD.muse[,6],

  13.                                ref = TCGA.STAD.muse[,11],

  14.                                alt = TCGA.STAD.muse[,13])

  15. sigs.input <- mut.to.sigs.input(mut.ref = sample.mut.ref,

  16.                                sample.id = "Sample",

  17.                                chr = "chr",

  18.                                pos = "pos",

  19.                                ref = "ref",

  20.                                alt = "alt")

  21. class(sigs.input)

  22. sample_1 = whichSignatures(tumor.ref = sigs.input,

  23.                           signatures.ref = signatures.nature2013,

  24.                           sample.id = 'TCGA.STAD.muse',

  25.                           contexts.needed = TRUE,

  26.                           tri.counts.method = 'exome')

  27. # Plot example                  

  28. plot_example <- whichSignatures(tumor.ref = sigs.input  ,  

  29.                       signatures.ref = signatures.nature2013,

  30.                       sample.id = 'TCGA.STAD.muse' )

  31. # Plot output

  32. plotSignatures(plot_example, sub = 'example')

这个里面有一个问题，就是deconstructSigs R package似乎只支持hg19版本的基因组，而我下载的TCGA的MAF是hg38版本的，所以代码虽然是对的，但实际上做出的结果是不对的，需要把下载的TCGA的maf文件进行坐标转换。

而所谓批量，无非就是在上面的R脚本里面加入一个循环咯。

（点击阅读原文有这个包的详细说明书哈！）

注意事项，下载的MAF文件可能有两种格式 ，可能是47列，或者120列，第一行一般都是 头文件，注释着每一列的信息，的确，信息量有点略大。如下：

  1.     1    Hugo_Symbol

  2.     2    Entrez_Gene_Id

  3.     3    Center

  4.     4    NCBI_Build

  5.     5    Chromosome

  6.     6    Start_Position

  7.     7    End_Position

  8.     8    Strand

  9.     9    Consequence

  10.    10    Variant_Classification

  11.    11    Variant_Type

  12.    12    Reference_Allele

  13.    13    Tumor_Seq_Allele1

  14.    14    Tumor_Seq_Allele2

  15.    15    dbSNP_RS

  16.    16    dbSNP_Val_Status

  17.    17    Tumor_Sample_Barcode

  18.    18    Matched_Norm_Sample_Barcode

  19.    19    Match_Norm_Seq_Allele1

  20.    20    Match_Norm_Seq_Allele2

  21.    21    Tumor_Validation_Allele1

  22.    22    Tumor_Validation_Allele2

  23.    23    Match_Norm_Validation_Allele1

  24.    24    Match_Norm_Validation_Allele2

  25.    25    Verification_Status

  26.    26    Validation_Status

  27.    27    Mutation_Status

  28.    28    Sequencing_Phase

  29.    29    Sequence_Source

  30.    30    Validation_Method

  31.    31    Score

  32.    32    BAM_File

  33.    33    Sequencer

  34.    34    t_ref_count

  35.    35    t_alt_count

  36.    36    n_ref_count

  37.    37    n_alt_count

  38.    38    HGVSc

  39.    39    HGVSp

  40.    40    HGVSp_Short

  41.    41    Transcript_ID

  42.    42    RefSeq

  43.    43    Protein_position

  44.    44    Codons

  45.    45    Hotspot

  46.    46    cDNA_change

  47.    47    Amino_Acid_Change

  1.     1    Hugo_Symbol

  2.     2    Entrez_Gene_Id

  3.     3    Center

  4.     4    NCBI_Build

  5.     5    Chromosome

  6.     6    Start_Position

  7.     7    End_Position

  8.     8    Strand

  9.     9    Variant_Classification

  10.    10    Variant_Type

  11.    11    Reference_Allele

  12.    12    Tumor_Seq_Allele1

  13.    13    Tumor_Seq_Allele2

  14.    14    dbSNP_RS

  15.    15    dbSNP_Val_Status

  16.    16    Tumor_Sample_Barcode

  17.    17    Matched_Norm_Sample_Barcode

  18.    18    Match_Norm_Seq_Allele1

  19.    19    Match_Norm_Seq_Allele2

  20.    20    Tumor_Validation_Allele1

  21.    21    Tumor_Validation_Allele2

  22.    22    Match_Norm_Validation_Allele1

  23.    23    Match_Norm_Validation_Allele2

  24.    24    Verification_Status

  25.    25    Validation_Status

  26.    26    Mutation_Status

  27.    27    Sequencing_Phase

  28.    28    Sequence_Source

  29.    29    Validation_Method

  30.    30    Score

  31.    31    BAM_File

  32.    32    Sequencer

  33.    33    Tumor_Sample_UUID

  34.    34    Matched_Norm_Sample_UUID

  35.    35    HGVSc

  36.    36    HGVSp

  37.    37    HGVSp_Short

  38.    38    Transcript_ID

  39.    39    Exon_Number

  40.    40    t_depth

  41.    41    t_ref_count

  42.    42    t_alt_count

  43.    43    n_depth

  44.    44    n_ref_count

  45.    45    n_alt_count

  46.    46    all_effects

  47.    47    Allele

  48.    48    Gene

  49.    49    Feature

  50.    50    Feature_type

  51.    51    One_Consequence

  52.    52    Consequence

  53.    53    cDNA_position

  54.    54    CDS_position

  55.    55    Protein_position

  56.    56    Amino_acids

  57.    57    Codons

  58.    58    Existing_variation

  59.    59    ALLELE_NUM

  60.    60    DISTANCE

  61.    61    TRANSCRIPT_STRAND

  62.    62    SYMBOL

  63.    63    SYMBOL_SOURCE

  64.    64    HGNC_ID

  65.    65    BIOTYPE

  66.    66    CANONICAL

  67.    67    CCDS

  68.    68    ENSP

  69.    69    SWISSPROT

  70.    70    TREMBL

  71.    71    UNIPARC

  72.    72    RefSeq

  73.    73    SIFT

  74.    74    PolyPhen

  75.    75    EXON

  76.    76    INTRON

  77.    77    DOMAINS

  78.    78    GMAF

  79.    79    AFR_MAF

  80.    80    AMR_MAF

  81.    81    ASN_MAF

  82.    82    EAS_MAF

  83.    83    EUR_MAF

  84.    84    SAS_MAF

  85.    85    AA_MAF

  86.    86    EA_MAF

  87.    87    CLIN_SIG

  88.    88    SOMATIC

  89.    89    PUBMED

  90.    90    MOTIF_NAME

  91.    91    MOTIF_POS

  92.    92    HIGH_INF_POS

  93.    93    MOTIF_SCORE_CHANGE

  94.    94    IMPACT

  95.    95    PICK

  96.    96    VARIANT_CLASS

  97.    97    TSL

  98.    98    HGVS_OFFSET

  99.    99    PHENO

  100.   100    MINIMISED

  101.   101    ExAC_AF

  102.   102    ExAC_AF_Adj

  103.   103    ExAC_AF_AFR

  104.   104    ExAC_AF_AMR

  105.   105    ExAC_AF_EAS

  106.   106    ExAC_AF_FIN

  107.   107    ExAC_AF_NFE

  108.   108    ExAC_AF_OTH

  109.   109    ExAC_AF_SAS

  110.   110    GENE_PHENO

  111.   111    FILTER

  112.   112    CONTEXT

  113.   113    src_vcf_id

  114.   114    tumor_bam_uuid

  115.   115    normal_bam_uuid

  116.   116    case_id

  117.   117    GDC_FILTER

  118.   118    COSMIC

  119.   119    MC3_Overlap

  120.   120    GDC_Validation_Status

赞 (0)

相关推荐