的devel版本铁砧Bioconductor包。
库(cBioPortalData)库(砧)癌症基因组学的cbio门户网站是交互式探索研究数据集的一个很好的资源。但是，它不容易让分析人员获得并进一步分析数据。
我们已经开发了cBioPortalData包来满足以编程方式访问cbiopportal上可用的数据资源的需求。
的cBioPortalData软件包提供了一个R接口，用于访问Bioconductor生态系统中的cbiopportal研究数据。
它从cbiopportal API (https://cbioportal.org/api)，并使用Bioconductor基础设施缓存和表示数据。
我们使用MultiAssayExperiment（@Ramos2017-er)包集成、表示和协调cbio门户中可用的多个实验。此包与curatedTCGAData提供大量公开的生物信息数据。请参阅我们的出版物在这里（@Ramos2020-ya）.
的常见用例cBioPortalData而且curatedTCGADataBioconductor会议期间研讨会．
中可用数据的更多信息是针对想要了解的用户/开发人员的2021欧洲杯体育投注开户cBioPortalData并学习如何在cbiopportal API实现中达到其他端点。这里演示的功能在包内部用于创建研究数据集的集成表示。
请注意。为了避免API服务过载，API被设计为只查询部分研究数据。因此，用户需要输入一组感兴趣的基因或一个基因面板标识符。
获取cbiopportal API表示对象
(cbio < - cBioPortal ())## service: cbiopportal ## tags();使用cbiopportal $: ## # A tibble:61×3 # # # #标签操作总结<空空的> <空空的> < >从而向# # 1癌症getAllCancerTypesUsingGET得到所有通过…# # 2癌症getCancerTypeUsingGET得到癌症临床属性fetchClinicalAttributesUsingPOST取回我们……# # 3 # # 4临床属性getAllClinicalAttributesInStudyUsingGET得到所有临床……# # 5临床属性getAllClinicalAttributesUsingGET得到所有临床…# # 6临床属性getClinicalAttributeInStudyUsingGET得到指定…# # 7临床资料8临床数据fetchclinicaldatainstudyusingpost获取clinica…## 9临床数据getAllClinicalDataInStudyUsingGET获取所有clini…癌症类型，临床属性，临床数据，拷贝数片段，离散拷贝数改变，基因面板，通用分析，基因，分子数据，分子概况，突变，患者，样本列表，样本，结构变异，研究，##治疗方案():## AlleleSpecificCopyNumber, AlterationFilter， ## AndedPatientTreatmentFilters， ## sampletreatment filters， ## CancerStudy ## #…有58个元素 检查可用的标记、操作和描述宠物猫：
标记(cbio)## #一个tibble:61×3 # # # #标签操作总结<空空的> <空空的> < >从而向# # 1癌症getAllCancerTypesUsingGET得到所有通过…# # 2癌症getCancerTypeUsingGET得到癌症临床属性fetchClinicalAttributesUsingPOST取回我们……# # 3 # # 4临床属性getAllClinicalAttributesInStudyUsingGET得到所有临床……# # 5临床属性getAllClinicalAttributesUsingGET得到所有临床…# # 6临床属性getClinicalAttributeInStudyUsingGET得到指定…# # 7临床资料8临床数据fetchclinicaldatainstudyusingpost获取clini…## 9临床数据getAllClinicalDataInStudyUsingGET获取所有clini…## 10临床数据getAllClinicalDataOfPatientInStudyUsingGET获取所有clini头(标签(cbio)美元操作)## [1] "getAllClinicalAttributesUsingGET" ## [2] "getCancerTypeUsingGET" ## [3] "fetchClinicalAttributesUsingPOST" ## [4] "getAllClinicalAttributesInStudyUsingGET" ## [5] "getAllClinicalAttributesUsingGET" ## [6] "getClinicalAttributeInStudyUsingGET"searchOps (cbio“临床”)## [1] "getAllClinicalAttributesUsingGET" ## [3] "fetchClinicalAttributesUsingPOST" ## [4] "getAllClinicalAttributesInStudyUsingGET" ## [5] " getclinicalattributesinstudyusingget " ## [6] "getAllClinicalDataInStudyUsingGET" ## [7] "fetchAllClinicalDataInStudyUsingPOST" ## [8] "getAllClinicalDataOfPatientInStudyUsingGET" ## [9] "getAllClinicalDataOfSampleInStudyUsingGET" ## [9] "getAllClinicalDataOfSampleInStudyUsingGET"获取可用的研究列表:
getStudies (cbio)## #一个tibble:342×13 # #名称描述publicStudy组状态importDate allSampleCount # # <空空的> <空空的> < lgl > <空空的> < int > <空空的> < int > # # 1 Adrenocortic…“TCGA肾上腺…真正的“出版0 2022-03-0……92 # # 2膀胱Canc…“整个挂式…真正的““0 2022-03-0…34 # # 3基底细胞C…”Whole-exo…真正的“出版…0 2022-03-0…293 # # 4急性Lympho…”综合…真正的“出版…0 2022-03-0…93 # # 5壶腹Ca…”外显子组seq…真正的“出版…0 2022-03-0…160 # # 6膀胱Urot…”整个挂式…真正的“出版…0 2022-03-0…50 # # 7膀胱Canc……"理解…TRUE "PUBL…022-03-0…97 ## 9膀胱Canc…"Genomic P…TRUE "PUBL…022-03-0…109 ## 10 Hypodiploid…"Whole gen…TRUE " 022-03-0…44 ## #…with 332多行，和6个更多的变量:readPermission ， ## # studyId ， cancerTypeId ， referenceGenome ， pid ， ## # citation 获取特定研究的临床数据:
clinicalData (cbio“acc_tcga”)## #一个tibble:92×85 # # patientId年龄AJCC_PATHOLOGIC_TUMOR_S…ATYPICAL_MITOTI…CAPSULAR_INVASI…# # <空空的> <空空的> <空空的> <空空的> < >从而向# # 1 TCGA-OR-A5J1 58 II期典型Mitoti入侵Tum…# # 2 TCGA-OR-A5J2 44四期典型Mitoti入侵Tum…# # 3 TCGA-OR-A5J3 23 III期典型Mitoti入侵Tum…# # 4 TCGA-OR-A5J4 23四期典型Mitoti入侵Tum…# # 5 TCGA-OR-A5J5 30 III期典型Mitoti入侵Tum…# # 6 TCGA-OR-A5J6 29 II期典型Mitoti…入侵TCGA-OR-A5J7 30 III期非典型性丝裂…侵袭…## 8 TCGA-OR-A5J8 66 III期非典型性丝裂…侵袭…## 9 TCGA-OR-A5J9 22 II期非典型性丝裂…侵袭…## 10 TCGA-OR-A5JA 53 IV期非典型性丝裂…侵袭…多82行，80多个变量:CLIN_M_STAGE ， ## CT_SCAN_PREOP_RESULTS ， ## #细胞质存在少等量25_percent ， ## days_to_initial_病理诊断， dfs_month_chr >， ## DFS_STATUS ， DIFFUSE_ARCHITECTURE ，种族， ## FORM_COMPLETION_DATE ，组织学诊断， ## # history_肾上腺素激素过量，… 通过运行以下程序可以获得特定研究的分子图谱表:
mols <- molecularProfiles(cbio， "acc_tcga") mols[["molecularProfileId"]]## [1] "acc_tcga_rppa_Zscores" ## [3] "acc_tcga_gistic" ## [4] "acc_tcga_linear_CNA" ## [5] "acc_tcga_methylation_hm450" ## [6] "acc_tcga_methylation_hm450" ## [7] "acc_tcga_rna_seq_v2_mrna_median_Zscores" ## [9] "acc_tcga_rna_seq_v2_mrna_median_all_sample_Zscores"分子剖面的数据可以通过现有的先验知识获得entrezGeneIds：
molecularData(cbio, molecularProfileId = "acc_tcga_rna_seq_v2_mrna"， entrezGeneIds = c(1,2)， sampleIds = c("TCGA-OR-A5J1-01"， "TCGA-OR-A5J2-01"))# # $ acc_tcga_rna_seq_v2_mrna # # #一个宠物猫:4×8 # # uniqueSampleKey uniquePatientKey entrezGeneId molecularProfil…sampleId # # <空空的> <空空的> < int > <空空的> < >从而向# # 1 VENHQS1PUi1BNUoxLTAxO…VENHQS1PUi1BNUo…1 acc_tcga_rna_se TCGA-OR…# # 2 VENHQS1PUi1BNUoxLTAxO…VENHQS1PUi1BNUo…2 acc_tcga_rna_se TCGA-OR…# # 3 VENHQS1PUi1BNUoyLTAxO…VENHQS1PUi1BNUo…1 acc_tcga_rna_se TCGA-OR…# # 4 VENHQS1PUi1BNUoyLTAxO…VENHQS1PUi1BNUo…2 acc_tcga_rna_se…TCGA-OR ... ## # ... 与三个变量:patientId ， studyId ， value API服务提供的所有基因列表，包括hugo符号和entrez基因id，可以通过使用geneTable功能:
geneTable (cbio)# # #一个宠物猫:1000×3 # # entrezGeneId hugoGeneSymbol类型# # < int > <空空的> < >从而向# # -3624 MIR-10A microrna的# # 2 / -3712 MIR-559/559 microrna的# # 3 -3042 mir - 4315 - 2/4315 microrna的# # 4 -3204 MIR-4535/4535 microrna的# # 5 -3763 MIR-607/607 microrna的# # 6 -3457 mir - 1269 A / 1269 microrna的# # 7 -3286 mir - 4679 - 1/4679 microrna的# # 8 -3295 MIR-4686/4686 microrna的# # 9 -3054 MIR-4325/4325 microrna的# # 10 -3510 mir - 124 - A - 1/5p microrna ## # ... 与990多行genePanels (cbio)A tibble: 53 × 2 ## description genePanelId ## ## 1腺样囊性癌的靶向(27个癌症基因)测序…ACYC_FMI_27 ## 2 232个基因的靶向组。安捷伦## 3 8个基因的靶向面板。5 ARCHER-SOLID基因面板(62个基因)ARCHER-SOL…## 6通过诱饵v3对各种肿瘤类型进行靶向测序。bait_v3 ## 7通过bait v5对各种肿瘤类型进行靶向测序。靶向387个癌症相关基因。9 Research (CMO) impact -血红素基因面板版本3。HemePACT_v3 ## 10在Illumina H. DFCI_504上对503个癌症相关基因进行靶向测序，共43行 getGenePanel (cbio“IMPACT341”)## # A tibble: 341 × 2 ## entrezGeneId hugoGeneSymbol ## ## 1 25 ABL1 ## 2 84142 ABRAXAS1 ## 3 207 AKT1 ## 4 208 AKT2 ## 5 10000 AKT3 ## 6 238 ALK ## 7 242 ALOX12B ## 8 139285 AMER1 ## # 9 324 apc# # 10 367 AR ## ##…with 331 more rows gprppa <- genePanelMolecular(cbio, molecularProfileId = "acc_tcga_rppa"， sampleListId = "acc_tcga_all") gprppa## #一个tibble:92×7 # # uniqueSampleKey uniquePatientKey molecularProfil…sampleId patientId studyId # # <空空的> <空空的> <空空的> <空空的> <空空的> < >从而向# # 1 VENHQS1PUi1BNUo VENHQS1PUi1BNUo……acc_tcga_rppa TCGA-OR TCGA-OR -…acc_tc…# # 2 VENHQS1PUi1BNUo VENHQS1PUi1BNUo……acc_tcga_rppa TCGA-OR TCGA-OR -…acc_tc…# # 3 VENHQS1PUi1BNUo VENHQS1PUi1BNUo……acc_tcga_rppa TCGA-OR TCGA-OR -…acc_tc…# # 4 VENHQS1PUi1BNUo VENHQS1PUi1BNUo……acc_tcga_rppa TCGA-OR TCGA-OR -…acc_tc…# # 5 VENHQS1PUi1BNUo…VENHQS1PUi1BNUo…acc_tcga_rppaTCGA-OR TCGA-OR -…acc_tc…# # 6 VENHQS1PUi1BNUo VENHQS1PUi1BNUo……acc_tcga_rppa TCGA-OR TCGA-OR -…acc_tc…# # 7 VENHQS1PUi1BNUo VENHQS1PUi1BNUo……acc_tcga_rppa TCGA-OR TCGA-OR -…acc_tc…# # 8 VENHQS1PUi1BNUo VENHQS1PUi1BNUo……acc_tcga_rppa TCGA-OR TCGA-OR -…acc_tc…# # 9 VENHQS1PUi1BNUo VENHQS1PUi1BNUo……acc_tcga_rppa TCGA-OR TCGA-OR -…acc_tc…# # 10 VENHQS1PUi1BNUp VENHQS1PUi1BNUp……acc_tcga_rppa TCGA-OR…TCGA-OR -…acc_tc ... ## # ... 82多行,和一个变量:异形< lgl >getGenePanelMolecular(cbio, molecularProfileIds = c("acc_tcga_rppa"， "acc_tcga_gistic")， sampleIds = allSamples(cbio， "acc_tcga")$sampleId)## #一个tibble:184×7 # # uniqueSampleKey uniquePatientKey molecularProfil…sampleId patientId studyId # # <空空的> <空空的> <空空的> <空空的> <空空的> < >从而向# # 1 VENHQS1PUi1BNUo VENHQS1PUi1BNUo……acc_tcga_gistic TCGA-OR TCGA-OR -…acc_tc…# # 2 VENHQS1PUi1BNUo VENHQS1PUi1BNUo……acc_tcga_gistic TCGA-OR TCGA-OR -…acc_tc…# # 3 VENHQS1PUi1BNUo VENHQS1PUi1BNUo……acc_tcga_gistic TCGA-OR TCGA-OR -…acc_tc…# # 4 VENHQS1PUi1BNUo VENHQS1PUi1BNUo……acc_tcga_gistic TCGA-OR…TCGA-OR -…acc_tc…# # 5 VENHQS1PUi1BNUo…VENHQS1PUi1BNUo…acc_tcga_gistic TCGA-OR TCGA-OR -…acc_tc…# # 6 VENHQS1PUi1BNUo VENHQS1PUi1BNUo……acc_tcga_gistic TCGA-OR TCGA-OR -…acc_tc…# # 7 VENHQS1PUi1BNUo VENHQS1PUi1BNUo……acc_tcga_gistic TCGA-OR TCGA-OR -…acc_tc…# # 8 VENHQS1PUi1BNUo VENHQS1PUi1BNUo……acc_tcga_gistic TCGA-OR TCGA-OR -…acc_tc…# # 9 VENHQS1PUi1BNUo VENHQS1PUi1BNUo……acc_tcga_gistic TCGA-OR TCGA-OR -…acc_tc…# # 10 VENHQS1PUi1BNUp VENHQS1PUi1BNUp……acc_tcga_gistic TCGA-OR…TCGA-OR -…acc_tc ... ## # ... 有174多行,还有一个变量:profiled getDataByGenes(cbio， "acc_tcga"， genePanelId = "IMPACT341"， molecularProfileId = "acc_tcga_rppa"， sampleListId = "acc_tcga_rppa")## $acc_tcga_rppa ## # A tibble:2622×9 # # uniqueSampleKey uniquePatientKey entrezGeneId molecularProfil…sampleId # # <空空的> <空空的> < int > <空空的> < >从而向# # 1 VENHQS1PUi1BNUoyLTAx VENHQS1PUi1BNUo…5728年acc_tcga_rppa TCGA-OR VENHQS1PUi1BNUoyLTAx…VENHQS1PUi1BNUo……# # 595 acc_tcga_rppa TCGA-OR VENHQS1PUi1BNUoyLTAx…VENHQS1PUi1BNUo……# # 596 acc_tcga_rppa TCGA-OR VENHQS1PUi1BNUoyLTAx…VENHQS1PUi1BNUo……# # 10413 acc_tcga_rppa TCGA-OR VENHQS1PUi1BNUoyLTAx…VENHQS1PUi1BNUo……# # 3791 acc_tcga_rppa TCGA-OR…# # 6VENHQS1PUi1BNUoyLTAx VENHQS1PUi1BNUo…7157年acc_tcga_rppa TCGA-OR…# # 7 VENHQS1PUi1BNUoyLTAx…VENHQS1PUi1BNUo…207年acc_tcga_rppa TCGA-OR…# # 8 VENHQS1PUi1BNUoyLTAx…VENHQS1PUi1BNUo…208年acc_tcga_rppa TCGA-OR…# # 9 VENHQS1PUi1BNUoyLTAx…VENHQS1PUi1BNUo…57521年acc_tcga_rppa TCGA-OR VENHQS1PUi1BNUoyLTAx…VENHQS1PUi1BNUo……# # 2064 acc_tcga_rppa TCGA-OR ... ## # ... 2612多行,4个变量:patientId < >从而向,studyId < >从而向,# # #价值<双>,hugoGeneSymbol <空空的>它使用getAllGenesUsingGET函数。
要显示特定研究ID的所有可用样本列表标识符，可以使用sampleLists功能:
sampleLists (cbio“acc_tcga”)## #一个tibble:9×5 # #类别名称描述sampleListId studyId # # <空空的> <空空的> <空空的> <空空的> < >从而向# # 1 all_cases_with_mrna_rnaseq_data桑普…样品wi acc_tcga_rn……acc_tc…# # 2 all_cases_in_study所有…所有样本…acc_tcga_all acc_tc…# # 3 all_cases_with_cna_data桑普样本wi……acc_tcga_cna acc_tc wi……# # 4 all_cases_with_mutation_and_cna_data桑普样本acc_tcga_cn acc_tc…# # 5 all_cases_with_mutation_and_cna_and_mr Comp……样本wi…acc_tcga_3w…acc_tc…# # 6 all_cases_with_methylation_data采样…采样wi…acc_tcga_me…acc_tc…## 7 all_cases_with_methylation_data采样…采样wi…acc_tcga_me…acc_tc…## 8 all_cases_with_rppa_data采样…采样pr…acc_tcga_rp…acc_tc…## 9 all_cases_with_mutation_data采样…采样wi…acc_tcga_se…acc_tc…我们可以使用特定的样本列表标识符来获取每个样本的条形码/标识符，在这种情况下，我们需要所有拷贝号更改样本:
samplesInSampleLists (cbio“acc_tcga_cna”)##长度1的字符列表## [["acc_tcga_cna"]] TCGA-OR-A5J1-01 TCGA-OR-A5J2-01…TCGA-PK-A5HC-01这返回一个CharacterList对于每个示例列表标识符输入的所有标识符:
samplesInSampleLists (cbio, c(“acc_tcga_cna”、“acc_tcga_cnaseq”))##字符长度2 ## [["acc_tcga_cna"]] TCGA-OR-A5J1-01 TCGA-OR-A5J2-01…TCGA-PK-A5HC-01 ## [[" acc_tcga_naseq "]] TCGA-OR-A5J1-01 TCGA-OR-A5J2-01…TCGA-PK-A5HC-01allSamples (cbio“acc_tcga”)## #一个tibble:92×6 # # uniqueSampleKey uniquePatientKey sampleType sampleId patientId studyId # # <空空的> <空空的> <空空的> <空空的> <空空的> < >从而向# # 1 VENHQS1PUi1BNUoxLTAxO VENHQS1PUi1BNUo…主要年代……TCGA-OR TCGA-OR - acc_tc…# # 2 VENHQS1PUi1BNUoyLTAxO VENHQS1PUi1BNUo…主要年代……TCGA-OR TCGA-OR - acc_tc…# # 3 VENHQS1PUi1BNUozLTAxO VENHQS1PUi1BNUo…主要年代……TCGA-OR TCGA-OR - acc_tc…# # 4 VENHQS1PUi1BNUo0LTAxO VENHQS1PUi1BNUo…主要年代……TCGA-OR TCGA-OR - acc_tc…# # 5 VENHQS1PUi1BNUo1LTAxO VENHQS1PUi1BNUo…主要年代……TCGA-OR TCGA-OR -…acc_tc…# # 6 VENHQS1PUi1BNUo2LTAxO…VENHQS1PUi1BNUo…主要年代……TCGA-OR TCGA-OR - acc_tc…# # 7 VENHQS1PUi1BNUo3LTAxO VENHQS1PUi1BNUo…主要年代……TCGA-OR TCGA-OR -…acc_tc…# # 8 VENHQS1PUi1BNUo4LTAxO…VENHQS1PUi1BNUo…主要年代……TCGA-OR TCGA-OR -…acc_tc…# # 9 VENHQS1PUi1BNUo5LTAxO…VENHQS1PUi1BNUo…主要年代……TCGA-OR TCGA-OR -…acc_tc…# # 10 VENHQS1PUi1BNUpBLTAxO…VENHQS1PUi1BNUp…主…TCGA-OR…TCGA-OR -…acc_tc ... ## # ... 与82多行getSampleInfo(cbio, studyId = "acc_tcga"， sampleListIds = c("acc_tcga_rppa"， "acc_tcga_gistic"))## #一个tibble: 1 × 1 ## message ## ## 1 Sample list not found: acc_tcga_gistic 的cBioPortalAPI表示不局限于包中提供的函数。希望使用API规范提供的任何端点的用户应该使用美元符号＄函数来访问端点。
首先，用户应该在API中看到特定端点的详细输入:
cbio getGeneUsingGET美元获取基因## ##参数:## geneId(字符串)## Entrez基因ID或Hugo基因符号，例如1或A1BG然后用户可以提供这样的输入:
(resp < - cbio getGeneUsingGET美元(BRCA1))##响应[https://www.cbioportal.org/api/genes/BRCA1] ##日期:22-05-22 20:05 ##状态:200 ##内容-类型:application/json ##大小:69 B哪一个需要用户使用“翻译”响应httr:内容：
httr:内容(职责)entrezGeneId美元# # # # # # # # 672 [1]hugoGeneSymbol # #[1]“BRCA1”# # # # # # $类型[1]“蛋白质编码”对于希望清除整个cBioPortalData缓存时，建议他们使用:
分离(~ / .cache / cBioPortalData /)sessionInfo ()## R版本4.2.0(22-04-22)##平台:x86_64-pc-linux-gnu(64位)##运行在:Ubuntu 20.04.4 LTS ## ##矩阵产品:default ## BLAS: /home/biocbuild/bbs-3.15-bioc/R/lib/libRblas. #因此## LAPACK: /home/biocbuild/bbs-3.15-bio /R/lib/libRlapack。因此## ## locale: ## [1] LC_CTYPE=en_US。UTF-8 LC_NUMERIC= c# [3] LC_TIME=en_GB LC_COLLATE= c# [5] LC_MONETARY=en_US。utf - 8 LC_MESSAGES = en_US。UTF-8 ## [7] LC_PAPER=en_US。UTF-8 LC_NAME= c# [9] LC_ADDRESS=C LC_TELEPHONE= c# [11] LC_MEASUREMENT=en_US。UTF-8 LC_IDENTIFICATION=C ## ##附加的基本包:## [1]stats4 stats graphics grDevices utils datasets methods ## [8] base ## ##其他附加的包:# [1] survminer_0.4.9 ggpubr_0.4.0 ## [3] ggplot_1 .3.6生存状态_3.3-1 # [5]cBioPortalData_2.8.1 MultiAssayExperiment_1.22.0 ## [7] SummarizedExperiment_1.26.1 Biobase_2.56.0 ## [9] genomics icranges_1 .48.0 GenomeInfoDb_1.32.2 ## [11] IRanges_2.30.0 S4Vectors_0.34.0 ## [13] biocgenerics_0.2.0 MatrixGenerics_1.8.0 ## [15] matrixStats_0.62.0 AnVIL_1.8.1 ## [17] dplyr_1.0.9 BiocStyle_2.24.0 ## ##通过命名空间加载(并没有连接):## [1] backports_1.4.1 biocfilecache_1 .4.0 ## [3] RCircos_1.2.2 splines_4.2.0 ## [5] BiocParallel_1.30.2 TCGAutils_1.16.0 ## b[7] digest_0.6.29 htmltools_0.5.2 ## [9] magick_2.7.3 fansi_1.0.3 ## [11] magrittr_2.0.3 memoise_2.0.1 ## [13] tzdb_0.3.0 limma_1 .52.1 ## [15] Biostrings_2.64.0 readr_2.1.2 ## [13] vroom_1.5.7 prettyunits_1.1.1 ## [19] colorspace_2.0-3 blob_1.2.3 ## [21] rvest_1.0.2 rappdirs_0.3.3 ## [23] xfun_0.31 crayon_1.5.1 ## [25] RCurl_1.98-1.6 jsonlite_1.8.0 ## [27]# [39] DBI_1.1.2 rstatix_0.7.0 ## [41] Rcpp_1.0.8.3 xtable_1.8-4 ## [43] progress_1.2.2 gridtext_0.1.4 ## [45] bit_4.0.4 km.ci_0.5-6 ## [47] ht_1 .4.3 ellipsis_0.3.2 ## [49] pkgconfig_2.0.3 xml_3 -0.9 ## b[51] rapiclient_0.1.3 farver_2.1.0 ## [53] sass_0.4.1 ## [35] XVector_0.36.0 DelayedArray_0.22.0 ## [35] car_3.0-13 abind_0.22.0 ## [35] car_3.0-13 abind_0.22.0 ## [37] scales_1.2.0 futile.options_1.0.1 ## [39] DBI_1.1.2 rstatix_0.7.0 ## [43] progress_1.2.2 gridtext_0.1.4 ## [45] bit_4.0.4 km.ci_0.5-6 ## [47] http_1 .4.3 ellipsis_0.3.2 ## [49] pkgconfig_2.0.3 ## [53] sass_0.4.1 ## [35]dbplyr_2.1.1 ## [55] utf8_1.2.2 RJSONIO_1.3-1.6 ## [57] tidyselect_1.1.2 labeling_0.4.2 ## # [59] rlang_1.0.2 AnnotationDbi_1.58.0 ## [61] munsell_0.5.0 tools_4.3.0 ## [65] generics_0.1.2 tools_2.2.14 ## [67] broom_0.8.0 evaluate_0.15 ## [69] string_1.0 .4.0 fastmap_1.1.0 ## [71] yaml_2.3.5 knitr_1.39 ## [73] bit64_4.0.5 survMisc_0.5.6 ## [75] purrr_0.3.4 KEGGREST_1.36.0 ## [79] biomaRt_2.52.0 compiler_4.2.0 ## [81] filelock_1.0.2 . #### [83] png_0.1-7 ggsignif_0.6.3 ## [85] tibble_3.1.7 bslib_0.3.1 ## [87] stringi_1.7.6 highr_0.9 ## [89] futile. logger_1.48.1 ## [91] lattice_0.20-45 Matrix_1.4-1 ## [93] markdown_1.1 KMsurv_0.1-5 ## [95] RTCGAToolbox_2.26.0 vctrs_0.4.1 ## [97] pillar_1.7.0 lifecycle_1.0.1 ## [99] BiocManager_1.30.18 jquerylib_0.1.4 ## [101] data.table_1.14.2 bitops_1.0-7 ## [103] rtracklayer_1.56.0 R6_2.5.1 ## [105] BiocIO_1.6.0 bookdown_0.26 ## [107] gridExtra_2.3 codetools_0.2-18 ## [109] lambda.r_1.2.4 assertthat_0.2.1 ## [111] rjson_0.2.21 withr_2.5.0 ## [113] GenomicAlignments_1.32.0 Rsamtools_2.12.0 ## [115] GenomeInfoDbData_1.2.8 parallel_4.2.0 ## [117] hms_1.1.1 ggtext_0.1.1 ## [119] grid_4.2.0 tidyr_1.2.0 ## [121] rmarkdown_2.14 carData_3.0-5 ## [123] restfulr_0.0.13