下载别人的数据，发表自己的论文 | 论文

对于做肿瘤研究的科技工作者来说，肿瘤基因芯片数据库的熟练使用已成为必备的技能。

TCGA 是目前最大的癌症基因信息的数据库，然而并不提供相关分析，这对于小白来说有点麻烦了。

相比之下，Oncomine（目前世界上最大的癌基因芯片数据库和整合数据挖掘平台）就要友好多了。

其相对简单的操作，相信大家一定有所了解了；然而，Oncomine 并不提供免费的午餐——在用学术邮箱注册登陆后仍然有诸多限制。

其中，最大的限制是不能下载数据。

什么？好不容易找到一个满意的数据，不能下载原始数据？也不能保存可编辑图片！

你能做的只能截个图了… …（然后你就在纠结用 QQ 还是搜狗截屏像素更好了吧？一脸斜线…）

于是网上就有了如何用 photoshop 或 illustrator 描图的教程了… 再次满脸斜线… （如果想统计差异怎么办？）

基于以上原因，特写以下教程分享给大家。原汁原创，全网首发。

欧耶~ 下面上干货！

1 在找到满意的数据后，先选择以 bar 图显示；再在图表上右键选择审查元素（如下图，英文版浏览器选择 Inspect，建议使用 chrome 内核浏览器）；

2 然后，再次在图表上右键选择审查元素即可自动跳到 map 这一项，再右键复制元素；并将复制的元素粘贴到 txt 文本中；

3 接下来就用 R 语言提取刚才文本中的数据（只需要把以下代码粘入 R 软件中即可）：

x=read.table(choose.files(),header=F,sep="\n",quote = "" ,comment.char="")

#在粘贴上面一句后会弹出窗口让你选择打开刚才保存的 txt 文本

x <- as.character(x[1,1])

x=strsplit(x,split=" ")

y=unlist(x)

z=y[grep("om4:rightcontent",y)]

a=unlist(strsplit(z,"\\=\""))

b=matrix(a,2)[2,]

#以上代码在 oncomine 中下载基因表达数据是通用的，运行后的结果如下图

可以看到，我们想要的数据基本已经摘出来了（前面为表达值，后面为肿瘤样本类型）。

4 接下来可以用以下代码将数据保存为 csv 文件后在 excel 中分割后获得数据（如下图）

setwd(choose.dir())# 选择存储路径

write.csv(b,"result.csv")

如下图，对数据分列后即可得到想要的数据，然后就可以在 graphpad 等软件中作图了。

5 除上述方法外，也可以直接在 R 中运行以下代码清洗数据（注意根据自己的数据修改肿瘤类型）

ductal=b[grep("Ductal",b)];

Ductal=t(matrix(unlist(strsplit(ductal,"\\|")),3)[c(1,3),]);

lobular=b[grep("Lobular",b)];

Lobular=t(matrix(unlist(strsplit(lobular,"\\|")),3)[c(1,3),]);

high=b[grep("High",b)];

High=t(matrix(unlist(strsplit(high,"\\|")),3)[c(1,3),]);

# 将 Ductal、Lobular 等相应的替换为你的样本分类名字，如 Normal 或 cancer

dataset <-rbind(Ductal,Lobular,High);# 合并数据

运行后即可得到如下的数据结果：

然后运行以下代码直接绘图

保存为你想要的格式的图即可（Metafile 为矢量可编辑格式，可在 illustrator 里编辑哦）

colnames(dataset)=c("value","group");

boxplot(as.numeric(dataset[,1]) ~ group,dataset, col = c("#124D60", "#EB6017","#4CAE50"))

6 几点补充：代码可能还可以进一步优化，还可以用 R 语言中的 Rselenium 软件包更加自动化的获取数据。

本教程旨在提供一种免费获取 oncomine 数据的思路，在应用以上代码时有可能需要稍微调整。

有问题可留言讨论，也可 VX 或邮箱交流，谢谢！