Esse estudo faz parte do The Cancer Genome Atlas (TCGA), um grande projeto colaborativo que visa caracterizar geneticamente diversos tipos de cancro usando tecnologias de alto rendimento, como RNA-Seq para expressão genética.
Este dataset está focado no Glioma de baixo grau (Low Grade Glioma - LGG), um tipo de tumor cerebral com evolução mais lenta do que o glioblastoma, mas que pode ser fatal em vários casos.
Apesar da sua progressão mais lenta, o LGG apresenta uma elevada heterogeneidade molecular, tornando-se relevante para estudos de estratificação de pacientes e identificação de subtipos tumorais.
Este tipo de dados permite identificar genes diferencialmente expressos entre:
- Subtipos tumorais
- Grupos com ou sem mutações específicas
- Amostras normais e tumorais
No caso do estudo, estão disponíveis apenas as 514 amostras tumorais de glioma de baixo grau (LGG).
Essas análises podem contribuir para:
- Descoberta de biomarcadores moleculares
- Estratificação de pacientes com base em perfis de expressão
- Identificação de possíveis alvos terapêuticos
Além disso, os dados podem ser utilizados em análises de enriquecimento funcional (como GSEA ou over-representation analysis) para responder a perguntas como:
Quais as vias biológicas que estão mais ativas ou reprimidas em determinados grupos de pacientes?
Também é possível associar perfis de expressão a desfechos clínicos, como tempo de sobrevida ou resposta ao tratamento, contribuindo para avanços na medicina personalizada.
O dataset é compatível com técnicas de machine learning, permitindo:
- Classificação de pacientes
- Seleção de features relevantes
- Predição de prognóstico
O acesso aberto e a documentação clara disponíveis pelo cBioPortal reforçam a reprodutibilidade científica e a integração com ferramentas computacionais, como APIs e bibliotecas em R ou Python.
No cBioPortal, este estudo inclui:
- Dados clínicos (idade, sexo, sobrevida, etc.)
- Dados de Expressão Génica (RNA-Seq)
- Dados de Mutação Somática
- Dados de CNV (alterações no número de cópias)
- Dados de Metilação
- Dados de Fusões
Todos esses dados são integráveis, permitindo análises multi-ómicas para uma visão mais ampla dos mecanismos moleculares envolvidos no desenvolvimento e progressão do glioma.
Os dados de expressão génica foram processados usando o método RSEM, com normalização por lote (batch-normalized) a partir da plataforma Illumina HiSeq RNASeqV2.
A matriz de expressão contém milhares de genes (geralmente cerca de 20.000), permitindo análises em larga escala de:
- Expressão diferencial
- Coexpressão
- Redes regulatórias
Os dados provêm do estudo "LGG TCGA PanCancer Atlas 2018", disponível no portal cBioPortal: 🔗 cBioPortal.
📂 data/ # Raw and processed data files
📂 scripts/ # R scripts for data analysis
📂 docs/ # Documentation and reports (HTML, R Markdown)
📄 README.md # Project overview and instructions
- Clone the repository:
git clone https://github.com/bluecanguru/Project_ECDB- Install required dependencies:
pip install -r requirements.txtinstall.packages(c(
"ggplot2", # Visualization
"gplots", # Enhanced plots
"gridExtra", # Combine multiple plots
"DT", # Interactive datatables
"dplyr", # Data manipulation
"plyr", # Data manipulation (older)
"stringr", # String operations
"knitr", # RMarkdown rendering
"data.table", # Efficient data handling
"viridis", # Color palettes
"openxlsx", # Excel export
"corrplot", # Correlation plots
"mgcv", # GAM models
"ggpubr", # Publication-ready plots
"GGally", # Pair plots (extension of ggplot2)
"htmltools", # To print text in specific format
"gprofiler2" # g:Profiler interface (CRAN but bio-focused)
"caret", # Modelation
"randomForest", # Random Forest
"smotefamily", # SMOTE
"xgboost", # xgboost
"e1071", # SVM
"pROC", # ROC CURVE
"MLmetrics", # F1_score
"pander", # Tables
"tibble", # Interactive datatables
"Rtsne", # UMAP
"uwot", # T-SNE
"factoextra" # T-SNE
))
if (!require("BiocManager")) install.packages("BiocManager")
BiocManager::install(c(
"edgeR", # RNA-seq analysis
"limma", # Linear models for microarray/RNA-seq
"clusterProfiler", # Functional enrichment
"org.Hs.eg.db", # Human gene annotation
"AnnotationDbi", # Annotation infrastructure
"biomaRt", # Interface to BioMart databases
"enrichplot" # Visualization of enrichment results
))
This project is open source and available under the MIT License.