从TCGA中获得甲状腺癌的相关突变

很忙很累还更新的我。

TCGA是一个癌症相关的数据库。可以弄到很多癌症的基因数据样本。 点点看TCGA。 进去之后，点右边那个蓝色的Launch Data Portal

可以看到样本量还是挺多的。

我们可以点右边的那个人的甲状腺（Thyroid）。 就进入了一个统计界面。 可以看到截至目前的相关突变位点有11128个。 单击Mutations，再点击JSON就可以把所有的突变位点下载下来。

然后我用下面这个脚本，提取出了所有的位点。

inputfile = open('Thyroid_mutation.json', 'r')
outputfile = open('results.txt', 'w')

for line in inputfile:
	if line.startswith('  "genomic_dna_change":'):
		a = line.split('  "genomic_dna_change": "')[1]
		b = a.split('",')[0]
		outputfile.write(b + '\n')

inputfile.close()
outputfile.close()

还是很简单的。

或者如果要的是所有的信息，每一个栏目统计好，可以这样：

import json

inputfile = open('Thyroid_mutation.json', 'r')
outputfile = open('results.txt', 'w')

analysisJson = json.load(inputfile)

for i in analysisJson:
    consequence = i['consequence']
    for j in consequence:
        outList = []
        transcript = j['transcript']
        outDict = {'genomic_dna_change': '-', 'mutation_subtype': '-', 'gene': '-', 'aa_change': '-', 'impact': '-'}
        outDict['genomic_dna_change'] = i['genomic_dna_change']
        outDict['mutation_subtype'] = i['mutation_subtype']
        outDict['gene'] = transcript['gene']['symbol']

        if transcript['aa_change'] != None:
            outDict['aa_change'] = transcript['aa_change']

        if transcript.has_key('annotation'):
            outDict['impact'] = transcript['annotation']['vep_impact']

        outList.append(outDict['genomic_dna_change'])
        outList.append(outDict['mutation_subtype'])
        outList.append(outDict['gene'])
        outList.append(outDict['aa_change'])
        outList.append(outDict['impact'])

        outStr = '\t'.join(outList) + '\n'

        outputfile.write(outStr)

outputfile.close()
inputfile.close()