在R中运行GDCprepare函数时遇到报错问题求助

问题背景 #

复制视频代码使用TCGAbiolinks包查询下载TCGA-BRCA项目RNA-Seq数据时，执行tcga_brca_data <- GDCprepare(query_TCGA)触发错误，同时出现3条解析警告，提示调用problems()查看详情。

报错信息 #

Error in `map()`:
i In index: 1.
i With name: 1.
Caused by error in `y[, 2:4]`:
! Can't subset columns past the end.
i Locations 2, 3, and 4 don't exist.
i There is only 1 column.
Run `rlang::last_error()` to see where the error occurred.

复现代码 #

library(TCGAbiolinks)
library(tidyverse)
library(maftools)
library(pheatmap)
library(SummarizedExperiment)

# 获取项目列表
gdcprojects <- getGDCprojects()

# 构建初始查询
query_TCGA <- GDCquery(project = 'TCGA-BRCA',
                       data.category = 'Transcriptome Profiling')
output_query_TCGA <- getResults(query_TCGA)

# 构建基因表达数据查询
query_TCGA <- GDCquery(project = 'TCGA-BRCA',
                       data.category = 'Transcriptome Profiling',
                       experimental.strategy = 'RNA-Seq',
                       workflow.type = 'STAR - Counts',
                       access = 'open',
                       barcode = c('TCGA-LL-A73Y-01A-11R-A33J-07', 'TCGA-E2-A1IU-01A-11R-A14D-07','TCGA-AO-A03U-01B-21R-A10J-07'))

getResults(query_TCGA)

# 下载数据
GDCdownload(query_TCGA)

# 预处理数据
tcga_brca_data <- GDCprepare(query_TCGA)

错误原因 #

1. TCGAbiolinks版本与当前GDC数据库的元数据结构不兼容，旧版本包无法解析新的返回格式
2. 查询参数未明确指定data.type，导致返回的文件结构不符合预期（仅包含1列数据，而包预期有2-4列）
3. 本地缓存的下载文件损坏，导致解析时出错

解决方案 #

1. 更新TCGAbiolinks到最新版本 #

BiocManager::install("TCGAbiolinks", update = TRUE, force = TRUE)

重启R会话后重新加载包。

2. 优化查询参数，明确指定数据类型 #

在查询中添加data.type = 'Gene Expression Quantification'，确保返回的是标准的基因表达计数文件：

query_TCGA <- GDCquery(project = 'TCGA-BRCA',
                       data.category = 'Transcriptome Profiling',
                       data.type = 'Gene Expression Quantification', # 新增参数
                       experimental.strategy = 'RNA-Seq',
                       workflow.type = 'STAR - Counts',
                       access = 'open',
                       barcode = c('TCGA-LL-A73Y-01A-11R-A33J-07', 'TCGA-E2-A1IU-01A-11R-A14D-07','TCGA-AO-A03U-01B-21R-A10J-07'))

3. 强制重新下载数据，覆盖缓存 #

GDCdownload(query_TCGA, overwrite = TRUE)

4. 查看解析警告详情 #

运行problems()函数，确认具体是哪些文件解析失败，针对性调整barcode或查询条件：

problems()

验证 #

完成上述步骤后，重新运行GDCprepare(query_TCGA)，应能正常生成SummarizedExperiment对象，可通过class(tcga_brca_data)验证结果类型。

内容的提问来源于stack exchange，提问作者DevelopingHippo