在 RHEL 使用 gdc-client 下载 TCGA 数据

今天，只聊一下 RedHat/CentOS 下 gdc-client 安装的那些事~

gdc-client（https://gdc.cancer.gov/access-data/gdc-data-transfer-tool）是由 GDC 官方提供的一个可以在命令行下批量下载 TCGA 数据的客户端工具。

在 gdc-client 官网可以看到 Mac、Windows 和 Ubuntu 的二进制版本下载，却唯独没看到 CentOS/RedHat 版本的！而且还给了我们一个提示说，如果你想要安装 RedHat Enterprise Release 6 版本的 gdc-client 需要跟 GDC 进行联系！！

如果你用 “gdc-client” + “centos6” 的关键字去谷歌，会发现大部分的答案都是教你用 Python2 的虚拟环境去安装 gdc-client。

其实，这些大部分都存在误导的成分，虽然 gdc-client 官网虽然没有提供 CentOS 6 的二进制程序包，但它托管在 GitHub 的源码我们是可以直接安装的，而且是只支持 Python 3！！

坑一：Python 2 引发 parse 模块异常¶

conda create -n Python2 python=2.7
source activate Python2
git clone https://github.com/NCI-GDC/gdc-client
cd gdc-client
python setup.py install 2>&1 | tee -a install.log

这种方法虽然看起来没什么问题，却会执行 gdc-client -h 提示 parse 模块异常。其原因是 build/bdist.linux-x86_64/egg/gdc_client/download/parser.py 的第三行 from urllib import parse as urlparse 是 py3 的语法：在 python 2.x 中的 urlparse 模块在 Python 3 中已经重命名为 urllib.parse 。

# Python 2 正确语法
from urlparse import urlparse

# Python 3 正确语法
from urllib import parse as urlparse

坑二：conda 安装无法响应¶

bioconda 虽然也提供了 gdc-client，但是本人一直没法安装成功，可能是我的运气不太好！

最后，CentOS 6 的正确解锁姿势¶

conda create -n gdc python=3.7
source activate gdc

git clone https://github.com/NCI-GDC/gdc-client
cd gdc-client
pip install -r requirements.txt
python setup.py install 2>&1 | tee -a install.log

最后，打开 GDC 的官方《Data Transfer Tool Command Line Documentation》文档，查看在命令下怎么使用 gdc-client 下载你想要的 TCGA 数据吧！