TCGA (The Cancer Genome Atlas)

Atlas genómico público de más de 20,000 casos de cáncer en 33 tipos de tumor.

ÁreaGenómica y Bioinformática
DominioGenómica
DificultadAvanzado
Tamaño~20,000+ casos · Más de 2.5 petabytes de datos
Fuente oficial

¿Qué puedes lograr con este dataset?

  • Analizar datos multi-ómicos (genómica, transcriptómica, epigenómica) del mismo paciente
  • Practicar la integración de datos clínicos con datos moleculares complejos
  • Explorar biomarcadores asociados a distintos tipos de cáncer

Descripción

TCGA es un esfuerzo conjunto del NCI y el NHGRI que caracterizó molecularmente más de 20,000 muestras de tumores primarios y tejido normal correspondiente en 33 tipos de cáncer, generando uno de los mayores repositorios públicos de datos genómicos oncológicos.

Casos de uso

  • Identificación de biomarcadores y subtipos moleculares de cáncer
  • Modelos de predicción de supervivencia a partir de datos genómicos
  • Investigación en medicina de precisión oncológica
  • Integración de datos multi-ómicos (genómica + clínica)

Cómo cargarlo

Cómo cargarlopython
import requests

respuesta = requests.get(
    "https://api.gdc.cancer.gov/cases",
    params={"filters": '{"op":"=","content":{"field":"project.project_id","value":"TCGA-BRCA"}}'}
)
print(respuesta.json()["data"]["hits"][:2])

Ventajas y limitaciones

Ventajas

  • Acceso público y gratuito a datos genómicos de nivel clínico (capa de datos abiertos)
  • Combina múltiples tipos de datos ómicos sobre los mismos pacientes
  • Ampliamente usado, con gran cantidad de literatura y herramientas de apoyo

Limitaciones

  • Algunos niveles de datos más sensibles requieren acceso controlado adicional
  • La complejidad y heterogeneidad de los datos exige experiencia en bioinformática

Datasets relacionados