之前一直以为cBioPortal是用于可视化分析癌症基因组（TCGA, ICGC）等数据的网站，后来才发现其还收录了不少研究论文的原始上传数据 > 整合进cBioPortal的基因组数据类型包括体细胞突变，DNA copy-number alterations（CNAs），Mrna和microRNA(miRNA)表达，DNA甲基化，蛋白质富集，磷酸化蛋白富集。 cBioportal中文教程
最近因为有个需求希望能下载到BioPortal上某个研究的全部原始数据，尝试了不少方法，最终找到可以在Github上下载BioPortal网站上所有文章的数据，步骤略微繁琐，因此整理下
cBioPortal网站做了一个R包-cgdsr使用户能通过一个基于R的API端口访问其每个癌症数据集使用R语言的cgdsr包获取TCGA数据
这个R包主要提供以下几个函数进行查询数据：
加载cgdsr包，创建一个对象来连接cbioportal server
library(cgdsr) # Create CGDS object mycgds = CGDS("http://www.cbioportal.org/")查询cbioportal包含的研究数据的study id
# Get list of cancer studies at server study_id <- getCancerStudies(mycgds)[,c(1,2)]看看某个study id（如nsclc_pd1_msk_2018）的所包含的数据类型有哪些（如mutate data等）以及case类型
profiles <- getGeneticProfiles(mycgds, "nsclc_pd1_msk_2018") cases <- getCaseLists(mycgds, "nsclc_pd1_msk_2018")最后看下特定一个基因的数据情况，如下是突变数据
res <- getProfileData(mycgds, c("CDK4","RARA"), "nsclc_pd1_msk_2018_mutations", "nsclc_pd1_msk_2018_all")
除了R的API端口外，BioPortal网站还提供了web的API端口，结果跟R的API大同小异
但是我最近在查看一篇文献的时候，发现其文章的全部数据是放在BioPortal上的，并且也在BioPortal上搜了其相关界面。但是BioPortal网站只提供了其数据的一些可视化分析结果，而我需要其文章上传的全部原始数据，而R和web的API端口也无法满足这需求
这时在网上搜寻方法的时候看到有人提到BioPortal的Github上可以下载到全部数据，因此在Github上发现果然有相关方法：https://github.com/cBioPortal/datahub
The datahub is a repository for store data only. It contains staging files which are pre-validated and can be loaded directly into the cBioPortal
但是其是用git-lfs来管理这些文件的
Git LFS 是 Github 开发的一个 Git 的扩展，用于实现 Git 对大文件的支持
所以我们需要先安装git lfs先（以ubuntu为例），依次输入命令就行；其主要步骤是先将安装Git，然后将git-lfs放到你的apt源里，然后在用apt来安装git-lfs，最后显示Git LFS initialized.即说明安装成功
sudo apt-get install git
curl -s https://packagecloud.io/install/repositories/github/git-lfs/script.deb.sh | sudo bash
sudo apt-get install git-lfs
git lfs install接着用git将datahub仓库克隆到服务器上
git clone https://github.com/cBioPortal/datahub.git
cd datahub
git lfs install --local --skip-smudge最后可以是通过git-lfs将study id的相关数据都拉下来（注：这个stduy id是要在datahub/public里有的才行）
git lfs pull -I public/nsclc_pd1_msk_2018
cd public/nsclc_pd1_msk_2018/最后可以看到数据都下载到nsclc_pd1_msk_2018文件夹中了，包含了完整的数据，非常好用，有需求的可以试试哈
anlan@ubuntu:~/datahub/public/nsclc_pd1_msk_2018$ ls -lh
总用量 2.3M
drwxrwxr-x 2 anlan anlan 4.0K 9月 22 00:00 case_lists
-rw-rw-r-- 1 anlan anlan 18K 9月 22 00:03 data_clinical_patient.txt
-rw-rw-r-- 1 anlan anlan 27K 9月 22 00:03 data_clinical_sample.txt
-rw-rw-r-- 1 anlan anlan 261K 9月 22 00:03 data_CNA.txt
-rw-rw-r-- 1 anlan anlan 24K 9月 22 00:03 data_fusions.txt
-rw-rw-r-- 1 anlan anlan 6.6K 9月 22 00:03 data_gene_matrix.txt
-rw-rw-r-- 1 anlan anlan 2.2K 9月 22 00:03 data_gene_panel_impact341.txt
-rw-rw-r-- 1 anlan anlan 2.6K 9月 22 00:03 data_gene_panel_impact410.txt
-rw-rw-r-- 1 anlan anlan 2.9K 9月 22 00:03 data_gene_panel_impact468.txt
-rw-rw-r-- 1 anlan anlan 638K 9月 22 00:03 data_mutations_extended_mskcc.txt
-rw-rw-r-- 1 anlan anlan 637K 9月 22 00:03 data_mutations_extended.txt
-rw-rw-r-- 1 anlan anlan 147 9月 22 00:00 meta_clinical_patient.txt
-rw-rw-r-- 1 anlan anlan 145 9月 22 00:00 meta_clinical_sample.txt
-rw-rw-r-- 1 anlan anlan 273 9月 22 00:00 meta_CNA.txt
-rw-rw-r-- 1 anlan anlan 229 9月 22 00:00 meta_fusions.txt
-rwxrwxr-x 1 anlan anlan 152 9月 22 00:00 meta_gene_matrix.txt
-rw-rw-r-- 1 anlan anlan 284 9月 22 00:00 meta_mutations_extended.txt
-rw-rw-r-- 1 anlan anlan 375 9月 22 00:00 meta_study.txt
-rw-rw-r-- 1 anlan anlan 618K 9月 22 00:03 nsclc_pd1_msk_2018_data_cna_hg19.seg
-rw-rw-r-- 1 anlan anlan 229 9月 22 00:00 nsclc_pd1_msk_2018_meta_cna_hg19_seg.txt本文出自于http://www.bioinfo-scrounger.com转载请注明出处