#因为之前的命令调用GDCquery_Maf 发现用不了
#故找到了一些其他的方法，并且自己试着将其弄成了一个表达矩阵。
#代码如下
#1、下载加载相应的包
install.packages("pacman")
library(pacman)
p_load(TCGAbiolinks,DT,tidyverse)
BiocManager::install("TCGAbiolinks")
library(TCGAbiolinks)
library(tidyverse)
BiocManager::install("maftools")
library(maftools)
library(dplyr)
#
TCGAbiolinks:::getProjectSummary("TCGA-STAD")
#建立查询
raw<-GDCquery(
project= "TCGA-STAD",
data.category = "Simple Nucleotide Variation",
access = "open",
legacy = FALSE,
data.type= "Masked Somatic Mutation",
workflow.type = "Aliquot Ensemble Somatic Variant Merging and Masking"
)
#下载数据
GDCdownload(raw)
#获取数据
maf<- GDCprepare(raw)
#读取数据
maf<-maf %>% maftools::read.maf()
#表格化数据，数据会以表格形式出现在右下角viewer里
datatable(getSampleSummary(maf),
filter = 'top',
options = list(scrollX = TRUE , keys = TRUE,
pageLength = 5),
rownames = FALSE)
#（以上代码是看b站一个视频来的，但是我需要这个表格，根据自己需求绘制相应的样本的TMB瀑布图，比较两个组之间的差异情况）
#把突变数据提取成为一个表达矩阵
a<-datatable(getSampleSummary(maf),
filter = 'top',
options = list(scrollX = TRUE , keys = TRUE,
pageLength = 5),
rownames = FALSE)
#观察列表a的结构，发现突变数据表达矩阵在a的x中的data中，提取出来。
STADTMB<-a$x$data
View(STADTMB)
#这样就生成了一个和GDCquery_Maf提取出来的合并了的体细胞突变数据了（应该是，自己也没用GDCquery_Maf 提取出来过。总之可以用来做后续的分析：比如比较TCGA中构建出来的风险模型，高低风险组之间的TMB情况）
