ほぼ自分用：GDC Portal（がんの公共データベース）の使い方

はじめに

自分ががんの研究をしているので、その際に使う(使おうと思っている）公共データベースの使い方について、自分用のメモもかねて書いていこうと思います。いろんなデータ、特に遺伝子系の情報、解析ツールがそろっているので、もしそういうデータに興味があれば使ってみてください。超ざっくり説明かつ間違いがあるかもしれませんが悪しからず。

GDC Data Portalとは

GDC Data Portal（Genomic Data Commons Data Portal）は、アメリカ国立衛生研究所（NIH）が主導するがんゲノムプロジェクトの一環として、さまざまながん種に関するゲノム、エピゲノム、トランスクリプトーム、変異情報などのデータを集約・公開しているウェブベースのプラットフォームです。

ざっくりとした機能

まずは、以下のURLにアクセスします。
https://portal.gdc.cancer.gov/
そうするとこのような画面になると思います。

何かサイトを日本語に翻訳するとエラー出るので注意

そして、上のタブを切り替えることによって、様々な情報を閲覧することができます。

• Analysis Center：保管されているデータを用いてデータ解析をすることができます。
• Project：保管されているデータをプロジェクトごとに確認できます。
• Cohort Builder：コホートを管理します。
• Repository：コホート内に存在するデータを確認できます。

Analysis Center

①コホート選択

解析するコホート(対象とするデータ集団)を選択します。コホートの作り方については後述。

②分析項目

ここで項目を選んでいろいろ分析できます。遺伝子発現データのクラスタリングや異なるコホート間の特徴を比較したりなどができます。なんかログイン？しなきゃ使えないものもあるんですけど、普通に使えるものもあります。具体的にどういう分析ができるかについては今回は省きます（自分が詳しくないだけ…）。

Project

このページでは、保管されているデータをプロジェクトごとにして調べることができます。①のところから、調べたいプロジェクトのデータを選択することができます。そして各プロジェクトごとに項目がついており、以下の項目があります。

• disease type：どのような症例が含まれているか（腫瘍のタイプ）
• primary type：腫瘍の発生部位
• program：各データが関連付けられているプログラム名
• Cases：症例数
• Experimental Strategy：データの取得や解析に使用された実験的アプローチや手法
  そしてプロジェクトを選択すると、
  
  このような画面となり、「Save New Cohort」を選択することで、このプロジェクトのデータを先ほど紹介したコホートとして保存することができる。

Cohort Builder

こんな感じで、作成したコホートをもとに、条件を変更してコホートを組み替えることができます。

Repository

コホート内に含まれるファイルを確認することができます。

データの入手方法

さて、ではここからどのようにデータを入手するかなんですが、まずは入手したいデータを探しましょう！
Projectのページを開きます。そして今回は例として乳がんのデータを取得しようと思うので、Primary siteからBreastを選択します。

そして出てきたデータから今回はTCGA-BRCAを取得します。

次にSave New Cohortで新しいコホートを作成します。

名前はTCGA-BRCAにしましょう。

ではRepositoryから欲しいデータを選択しましょう。
今回は遺伝子発現データを入手しようと思います。

まず①を選択して先ほど作成したTCGA-BRCAにしましょう。そして②でData TypeからGene Expression Quantification を選択します。そうすると、条件に合うファイルが出てくるので必要なものをカートに入れます。すべて入手したい場合は③のAdd All Files to Cartを選択し、すべてのファイルをカートに入れます。
その後カートから選んだファイルをダウンロードすることができます。

さらに臨床情報を入手するには

①を押して出てくる場所の②のClinicalから入手することができます。

最後に

今回はGDC Portalの使い方について紹介しました。使い方っていうほどのものでもないかもしれませんが、未来の自分と誰かのためになればいいなと思います。てか書いてて思ったけどほんとに自分用のメモだわ、今後遺伝子データを扱いたい人とか現れるんだろうか…

補足

データセットの入手について、なんかR言語を用いて入手する方法とかもあるみたい。あと今回臨床データの中に欲しかった分子サブタイプの情報がなかったんだが、どこから入手するんだ。わかったら今後更新するかも、詳しい人いたら教えてくれると助かります。