TCGA官网操作

首先打开TCGA官网（The Cancer Genome Atlas）GDC（Genomic Data Commons）data portal 2.0

左上角是 GDC Data Portal 徽标，它链接到 GDC Data Portal 的主页。徽标下方是按以下顺序排列的链接：

• 分析中心：用于访问 GDC 数据门户中所有工具的中心枢纽；

• 项目：允许浏览 GDC 数据门户中的所有项目；

• 队列生成器：队列生成器工具由各种临床和生物样本过滤器组成，用于构建用于分析的自定义队列；

• 存储库：允许浏览与队列关联的文件。

对于分析中心（Analysis center），网站提供了很多方便的分析功能，大家可以自行摸索。尤其对于单个基因或者少数基因数据的获取可以基于gene expression clustering获得，不用下载完整的数据。

使用数据分析和数据存储库之前需要通过队列生成器（cohort builder）创建自己感兴趣的cohort，比如TCGA-UCEC，选好之后自定义命名：

转到存储库（Repository），选择自己的cohort，选择自己需要的数据类型，add all files to cart：

最后，进入cart下载数据，一般下载Manifest文件和临床文件clinic data即可，按需下载。

下载TCGA官网推荐下载工具GDC,windows用户，下载解压后是一个gdc-client.exe文件。

本地电脑操作

在电脑上新建一个文件夹，比如E:\TCGA-BRCA用来盛放下载的数据，将刚刚下载的Manifest文件和gdc-client.exe文件放进该文件夹，然后在该文件夹中继续新建gdc-client.dtt文件，用记事本编辑保存下面内容：

[download]
no_auto_retry = False
no_file_md5sum = False
save_interval = 1073741824
retry_amount = 100
n_processes = 20
no_annotations = False
no_related_files = False
http_chunk_size = 4096
no_segment_md5sum = False
server = https://api.gdc.cancer.gov
wait_time = 100.0
no_verify = True
dir = .    

上面代码是下载工具的参数配置信息，用逻辑分析一下就知道怎么配置了，主要可以配置的是http_chunk_size、wait_time、retry_amount、no_verify、n_processes 解释一下：

1. http_chunk_size：这是每一次http请求的数据块大小，如果越大，等待时间越长，可能就会超时，就pa断了，所以为了保证每一次请求数据块都能顺利到达本地，就调小一点（这一步相当关键了）
2. wait_time：http请求的等待时间，如果超过这个等待时间，也会pa断了，所以这一步就可以调大一丢丢
3. retry_amount：重试次数，比如说超过等待时间，就会再重新尝试访问，尝试访问次数超过，pa断了，所以这一步也可以调大一丢丢
4. no_verify：不做校验，（不知道它底层用什么做校验的），为了求速度，不做校验（想保证数据完整性就不要改这个啦）
5. n_processes：配置和CPU大小一致就行了

最后快捷键win+R，输入cmd回车进入，输入下面代码，即可开启愉快的下载历程啦！

C:\Users\liudh>E:

E:\TCGA-BRCA>gdc-client.exe download --config gdc-client.dtt -m gdc_manifest.txt