我们在进行数据库介绍，尤其是肿瘤相关数据库的时候，经常会提到说这个使用了 TCGA/GTEx 数据库的数据，那么这两个数据库到底是什么呢？为什么会有用这两个数据库呢？另外呢，由于最近ICGC提的也比较多，所以这里也就做一下简单的介绍。      

需要明确的是，这几个数据库属于原始数据储存数据库。我们在这里得到的都是相对原始的数据库，需要具备一定的数据分析能力。      

     
   

TCGA, 全称为The Cancer Genome Atlas（癌症基因组图谱）。通过其名称我们就知道这个数据库主要做的就是肿瘤相关的数据库。为什么经常看到别人用这个数据库呢？还是因为这个数据库收集的信息全呀。

首先，对于研究病种而言，这个数据库包括了33个种肿瘤的数据。具体包括的癌种可以看后面的链接。

其次，数据库检测的数据类型多。对于同一个癌种，我们可以获得这个癌种的: 表达数据、miRNA表达数据、甲基化数据、突变数据和拷贝数数据。如果我们使用GEO数据库检索某一个癌种，同样也可以得到这些相关的数据。但是TCGA数据库珍贵的地方是，这个数据都是出自同一个人的。这样的话，我们就可以研究不同组学之间的交叉反应了。比如突变对于表达的影响、甲基化和表达的关系等等。。。

另外，TCGA除了包括了不同测序的数据，同时对于每一个纳入的患者还包括了其临床的信息。更难能可贵的是，临床信息当中还包括了预后随访的信息。这个我们就可以来分析以上的测序数据集和临床信息之间的关系了，比如分析基因表达和预后的关系等等。。。

PS: 其实GEO有的数据集也有临床信息以及预后信息，但是这个得需要我们慢慢的去寻找了。

ICGC , 全称International Cancer Genome Consortium（国际癌症基因组联盟）。这个数据库和TCGA的关系，就是ICGC数据库包括了TCGA的数据。另外呢，ICGC也纳入了其他别的地区所做的队列的测序数据。所以如果使用ICGC进行检索的话，我们可以得到更多的数据。

ICGC是一个储存原始数据的地方，我们只需要检索相对应的关键词就可以得到具体的信息了。我们可以检索疾病、基因名称或者突变信息都可以。例如我们检索 gastric cancer，我们就可以得到这个联盟纳入的数据集。

我们点击进去就可以看到每个数据集详细的信息。按照下图所示，我们点开的这个就只有突变的数据。

GTEx，全称Genotype-Tissue Expression。这个数据库和TCGA和ICGC不同的是。TCGA和ICGC更多的还是肿瘤相关的数据，而GTEx收集的是正常人身上的组织来进行的测序，所以GTEx数据库包括的就只是正常人的数据。

这个数据集的用处呢，一方面是可以研究正常人不同组织之间的基因表达的区别。另外的一个呢，就是和TCGA联合使用。由于TCGA重点收集的还是癌症组织的数据，对于其正常的数据收集的相对来说较少，由于正常样本少所以对于差异表达的结果可能就不是很准确。这个时候如果我们把GTEx的数据纳入进来。这样分析的结果就会准确一些了。

以上就是三个数据库内容的基本介绍，如果想要想在相关的数据的话，各个数据库都提供了自己的下载方式。另外，很多别的机构也都提供了这个数据的下载链接，这个还是很推荐使用UCSC XENA 。这里汇总和目前常用的很多公共数据库的原始数据，甚至包括今年刚发表的PCAWG的数据。