TCGA

1. TCGA 背景

TCGA （The Cancer Genome Atlas，癌症基因组图谱）是美国国家癌症研究所（NCI）和国家人类基因组研究所（NHGRI）联合发起的大型癌症研究计划（2006-2018）。其目标是通过高通量组学技术（如基因组、转录组、表观组等），系统解析癌症的分子特征，为精准医学提供数据支持。
TCGA队列 （TCGA Cohorts）指TCGA项目中针对特定癌症类型收集的患者样本集合，每个队列包含患者的多组学数据及临床信息。

2. TCGA队列的核心特点

• 癌症类型覆盖广 ：
  包含33种癌症类型（如乳腺癌、肺癌、结直肠癌等），涵盖超过11,000例肿瘤样本及匹配的正常组织。
• 多组学数据整合 ：
  • 基因组数据 ：全外显子测序（WES）、单核苷酸变异（SNV）、拷贝数变异（CNV）。
  • 转录组数据 ：RNA测序（RNA-Seq）、miRNA表达谱。
  • 表观组数据 ：DNA甲基化（如Illumina 450K芯片）。
  • 蛋白质组数据 ：部分队列包含蛋白质表达信息。
  • 临床数据 ：患者生存期、分期、治疗反应等。
• 标准化处理 ：
  所有样本遵循统一的实验和分析流程，确保数据可比性。

3. TCGA队列的研究意义

• 发现癌症驱动基因 ：如TP53、EGFR等高频突变基因。
• 分子分型 ：基于基因表达或甲基化特征将癌症分为不同亚型（如乳腺癌的Luminal A/B型）。
• 预后标志物 ：识别与患者生存期相关的分子特征（如PD-L1表达与免疫治疗响应）。
• 药物靶点挖掘 ：通过突变或通路富集分析寻找潜在治疗靶点。

4. TCGA队列的数据获取

数据平台 ：

• GDC（Genomic Data Commons） ：TCGA数据的官方存储库（https://portal.gdc.cancer.gov ）。
• UCSC Xena ：提供用户友好的数据浏览器（https://xenabrowser.net ）。
  常用工具 ：
• R/Bioconductor ：TCGAbiolinks包用于数据下载与分析。
• Python ：pandas、numpy结合GDC API进行数据处理。

5. 示例：TCGA队列的应用

研究场景 ：在TCGA的肺腺癌（LUAD）队列中：

• 数据组成 ：500+肿瘤样本，匹配正常组织50+例。
• 关键发现 ：
  • EGFR、KRAS等驱动基因突变与患者预后相关。
  • 基于基因表达将LUAD分为3个分子亚型（终末呼吸单元型、近端炎症型、近端增殖型）。
• 临床转化 ：指导EGFR抑制剂（如吉非替尼）的用药选择。

6. TCGA队列的局限性

• 样本代表性 ：部分癌症队列样本量较小（如罕见癌症）。
• 数据异质性 ：不同癌症类型的测序深度和覆盖范围可能不同。
• 缺乏长期随访 ：部分患者的临床随访时间较短。
  与ICGC队列的对比
  ICGC （国际癌症基因组联盟）：覆盖更多国际样本（如亚洲、欧洲），部分癌症类型与TCGA互补。
  数据整合 ：两者共同构成“泛癌症图谱”（PCAWG），推动跨癌症研究。

总结 ：
TCGA队列是癌症研究的“金矿”，通过整合多组学数据与临床信息，为理解癌症机制、开发精准疗法提供了关键资源。研究者可基于TCGA队列进行数据挖掘，结合生物信息学工具（如差异表达分析、生存分析）探索科学问题。