COSMIC 数据库

COSMIC 数据库

概述

COSMIC(Catalogue Of Somatic Mutations In Cancer)是癌症体细胞突变的最全面数据库,由威康桑格研究所维护。它包含来自数千项癌症基因组学研究的策展数据,提供有关突变频率、功能影响和临床相关性的信息。

何时使用此技能

在以下情况下使用此技能:

• 突变频率分析: 确定癌症类型中特定基因的突变频率
• 功能影响: 了解突变的功能后果(错义、无义、剪接位点等)
• 临床相关性: 探索突变与临床结果或治疗反应之间的关联
• 癌症基因组学: 分析癌症中的体细胞突变模式
• 药物靶点识别: 识别癌症中的可药物突变
• 转化研究: 将基因组发现转化为临床应用
• 生物标志物发现: 发现诊断或预后生物标志物
• 比较基因组学: 比较不同癌症类型的突变谱

安装和设置

Python 客户端

COSMIC 提供用于数据访问的 Python 客户端:

uv pip install cosmic-py

API 访问

COSMIC 提供 REST API 用于编程访问:

import requests

BASE_URL = "https://cancer.sanger.ac.uk/cosmic/api/v0"

身份验证: 需要有效的 COSMIC 许可证和 API 密钥

速率限制: 每秒最多 10 个请求

核心功能

1. 基因查询

检索基因信息,包括突变频率和功能影响:

import requests

# 获取基因信息
response = requests.get(
    "https://cancer.sanger.ac.uk/cosmic/api/v0/genes/TP53",
    headers={"Authorization": "Bearer YOUR_API_KEY"}
)
gene_data = response.json()

基因信息包括:

• 突变频率(按癌症类型)
• 突变类型(错义、无义、剪接位点等)
• 功能影响
• 临床相关性
• 参考文献引用

2. 突变查询

查询特定突变:

# 按基因组坐标查询
response = requests.get(
    "https://cancer.sanger.ac.uk/cosmic/api/v0/mutations",
    params={
        "chromosome": "17",
        "position": "7579472",
        "ref": "G",
        "alt": "A"
    },
    headers={"Authorization": "Bearer YOUR_API_KEY"}
)
mutation_data = response.json()

突变信息包括:

• 基因和转录本
• 蛋白质变化
• 突变类型
• 癌症类型分布
• 功能影响
• 临床意义

3. 癌症类型查询

按癌症类型搜索突变:

# 获取癌症类型的突变谱
response = requests.get(
    "https://cancer.sanger.ac.uk/cosmic/api/v0/cancers/lung",
    headers={"Authorization": "Bearer YOUR_API_KEY"}
)
cancer_data = response.json()

癌症类型信息包括:

• 突变频率
• 突变基因列表
• 突变谱
• 临床特征

4. 样本查询

查询特定样本的突变:

# 获取样本信息
response = requests.get(
    "https://cancer.sanger.ac.uk/cosmic/api/v0/samples/COSMIC_ID",
    headers={"Authorization": "Bearer YOUR_API_KEY"}
)
sample_data = response.json()

样本信息包括:

• 样本元数据
• 突变列表
• 拷贝数变异
• 结构变异
• 表达数据

5. 批量查询

批量查询多个基因或突变:

# 批量查询基因
genes = ["TP53", "KRAS", "BRAF"]
for gene in genes:
    response = requests.get(
        f"https://cancer.sanger.ac.uk/cosmic/api/v0/genes/{gene}",
        headers={"Authorization": "Bearer YOUR_API_KEY"}
    )
    data = response.json()
    # 处理数据

6. 突变频率分析

分析突变频率:

# 获取基因的突变频率
response = requests.get(
    "https://cancer.sanger.ac.uk/cosmic/api/v0/genes/TP53/frequency",
    headers={"Authorization": "Bearer YOUR_API_KEY"}
)
frequency_data = response.json()

# 按癌症类型分析
for cancer_type, freq in frequency_data.items():
    print(f"{cancer_type}: {freq}%")

7. 功能影响分析

分析突变的功能影响:

# 获取功能影响数据
response = requests.get(
    "https://cancer.sanger.ac.uk/cosmic/api/v0/genes/TP53/functional",
    headers={"Authorization": "Bearer YOUR_API_KEY"}
)
functional_data = response.json()

# 分析功能影响
for mutation, impact in functional_data.items():
    print(f"{mutation}: {impact}")

8. 临床相关性分析

分析临床相关性:

# 获取临床相关性数据
response = requests.get(
    "https://cancer.sanger.ac.uk/cosmic/api/v0/genes/TP53/clinical",
    headers={"Authorization": "Bearer YOUR_API_KEY"}
)
clinical_data = response.json()

# 分析临床相关性
for association in clinical_data:
    print(f"Association: {association}")

9. 突变谱分析

分析突变谱:

# 获取突变谱
response = requests.get(
    "https://cancer.sanger.ac.uk/cosmic/api/v0/cancers/lung/spectrum",
    headers={"Authorization": "Bearer YOUR_API_KEY"}
)
spectrum_data = response.json()

# 可视化突变谱
import matplotlib.pyplot as plt
plt.bar(spectrum_data.keys(), spectrum_data.values())
plt.xlabel("Mutation Type")
plt.ylabel("Frequency")
plt.show()

10. 数据导出

导出数据为各种格式:

# 导出为 CSV
import pandas as pd

# 获取数据
response = requests.get(
    "https://cancer.sanger.ac.uk/cosmic/api/v0/genes/TP53",
    headers={"Authorization": "Bearer YOUR_API_KEY"}
)
data = response.json()

# 转换为 DataFrame
df = pd.DataFrame(data['mutations'])

# 导出为 CSV
df.to_csv("tp53_mutations.csv", index=False)

查询工作流程

工作流程 1: 分析基因的突变谱

1. 获取基因信息:

   response = requests.get(
       "https://cancer.sanger.ac.uk/cosmic/api/v0/genes/TP53",
       headers={"Authorization": "Bearer YOUR_API_KEY"}
   )
   gene_data = response.json()

1. 分析突变频率:

   frequencies = gene_data['mutation_frequencies']
   for cancer_type, freq in frequencies.items():
       print(f"{cancer_type}: {freq}%")

1. 分析突变类型:

   mutation_types = gene_data['mutation_types']
   for mut_type, count in mutation_types.items():
       print(f"{mut_type}: {count}")

1. 可视化突变谱:

   import matplotlib.pyplot as plt
   plt.bar(mutation_types.keys(), mutation_types.values())
   plt.xlabel("Mutation Type")
   plt.ylabel("Count")
   plt.show()

工作流程 2: 识别癌症中的驱动突变

1. 获取癌症类型信息:

   response = requests.get(
       "https://cancer.sanger.ac.uk/cosmic/api/v0/cancers/lung",
       headers={"Authorization": "Bearer YOUR_API_KEY"}
   )
   cancer_data = response.json()

1. 识别高频突变基因:

   high_freq_genes = {
       gene: freq for gene, freq in cancer_data['gene_frequencies'].items()
       if freq > 5  # 频率 > 5%
   }

1. 分析功能影响:

   for gene in high_freq_genes.keys():
       response = requests.get(
           f"https://cancer.sanger.ac.uk/cosmic/api/v0/genes/{gene}/functional",
           headers={"Authorization": "Bearer YOUR_API_KEY"}
       )
       functional_data = response.json()
       # 分析功能影响

工作流程 3: 探索突变的临床相关性

1. 查询特定突变:

   response = requests.get(
       "https://cancer.sanger.ac.uk/cosmic/api/v0/mutations",
       params={
           "gene": "EGFR",
           "protein_change": "L858R"
       },
       headers={"Authorization": "Bearer YOUR_API_KEY"}
   )
   mutation_data = response.json()

1. 分析临床相关性:

   clinical_associations = mutation_data['clinical_associations']
   for association in clinical_associations:
       print(f"Association: {association}")

1. 分析治疗反应:

   treatment_response = mutation_data['treatment_response']
   for drug, response in treatment_response.items():
       print(f"{drug}: {response}")

数据类型

突变类型

COSMIC 包含多种突变类型:

• 点突变: 单核苷酸变异
• 插入: 插入一个或多个核苷酸
• 缺失: 删除一个或多个核苷酸
• 拷贝数变异: 基因拷贝数的变化
• 结构变异: 染色体重排、易位等
• 融合基因: 两个基因融合形成新的基因

功能影响

突变的功能影响分类:

• 错义: 氨基酸变化
• 无义: 提前终止密码子
• 剪接位点: 影响剪接
• 移码: 阅读框移位
• 同义: 无氨基酸变化
• 非编码: 非编码区域

临床相关性

突变的临床相关性:

• 预后: 与预后相关
• 预测: 预测治疗反应
• 诊断: 用于诊断
• 易感性: 癌症易感性

最佳实践

1. 速率限制管理

import time

def rate_limited_request(url, headers, params=None):
    """进行速率限制的 API 请求"""
    response = requests.get(url, headers=headers, params=params)
    time.sleep(0.1)  # 请求之间等待 0.1 秒
    return response

2. 错误处理

def safe_api_call(url, headers, params=None, max_retries=3):
    """具有错误处理和重试的 API 调用"""
    for attempt in range(max_retries):
        try:
            response = requests.get(url, headers=headers, params=params, timeout=10)
            response.raise_for_status()
            return response.json()
        except requests.exceptions.RequestException as e:
            print(f"Attempt {attempt + 1} failed: {e}")
            if attempt == max_retries - 1:
                raise
            time.sleep(2 ** attempt)  # 指数退避

3. 数据验证

def validate_mutation_data(data):
    """验证突变数据"""
    required_fields = ['gene', 'mutation_type', 'protein_change']
    for field in required_fields:
        if field not in data:
            raise ValueError(f"Missing required field: {field}")
    return True

4. 缓存结果

import json
from pathlib import Path

def cached_query(cache_file, api_func, *args, **kwargs):
    """缓存 API 结果"""
    cache_path = Path(cache_file)

    if cache_path.exists():
        with open(cache_path) as f:
            return json.load(f)

    result = api_func(*args, **kwargs)

    with open(cache_path, 'w') as f:
        json.dump(result, f, indent=2)
    return result

资源

scripts/query_cosmic.py

Python 脚本,包含常见 COSMIC 查询的即用型函数:

• get_gene_info(gene_symbol) - 检索基因详细信息
• get_mutation_info(chromosome, position, ref, alt) - 查询特定突变
• get_cancer_info(cancer_type) - 获取癌症类型信息
• get_sample_info(cosmic_id) - 获取样本信息
• analyze_mutation_frequency(gene_symbol) - 分析突变频率
• analyze_functional_impact(gene_symbol) - 分析功能影响
• export_to_csv(data, filename) - 导出数据为 CSV
• visualize_mutation_spectrum(data) - 可视化突变谱

查阅此脚本以获取实现示例和适当的速率限制及错误处理。

references/api_reference.md

全面的 API 文档,包括:

• 完整的端点列表及参数
• 请求/响应格式规范
• 每个端点的示例查询
• 数据架构定义
• 速率限制详情
• 身份验证要求
• 排查常见错误

需要详细 API 信息或构建复杂查询时参考此文档。

重要说明

数据许可

COSMIC 数据需要有效的许可证:

• 学术许可证: 供学术研究使用
• 商业许可证: 供商业使用
• API 密钥: 需要用于 API 访问

联系: cosmic@sanger.ac.uk 获取许可证信息

数据质量

• 策展数据: COSMIC 数据是手工策展的
• 验证: 数据经过验证和交叉检查
• 更新: 数据定期更新
• 版本控制: 使用特定版本以确保可重现性

数据覆盖

• 癌症类型: 涵盖多种癌症类型
• 样本数量: 数百万个样本
• 基因覆盖: 涵盖大多数癌症相关基因
• 突变类型: 包含所有主要突变类型

技术局限

• API 速率限制: 每秒最多 10 个请求
• 数据大小: 大型数据集可能需要很长时间下载
• 复杂性: 某些查询可能很复杂
• 网络依赖: 需要稳定的网络连接

常见用例

癌症基因组学研究

# 分析癌症类型中的突变谱
response = requests.get(
    "https://cancer.sanger.ac.uk/cosmic/api/v0/cancers/lung",
    headers={"Authorization": "Bearer YOUR_API_KEY"}
)
cancer_data = response.json()

# 识别驱动突变
driver_mutations = identify_driver_mutations(cancer_data)

药物靶点识别

# 识别可药物突变
drug_targets = []
for gene in cancer_genes:
    response = requests.get(
        f"https://cancer.sanger.ac.uk/cosmic/api/v0/genes/{gene}/clinical",
        headers={"Authorization": "Bearer YOUR_API_KEY"}
    )
    clinical_data = response.json()
    if is_druggable(clinical_data):
        drug_targets.append(gene)

生物标志物发现

# 发现预后生物标志物
prognostic_markers = []
for mutation in mutations:
    if mutation['clinical_association'] == 'prognostic':
        prognostic_markers.append(mutation)

其他资源

• COSMIC 网站: https://cancer.sanger.ac.uk/cosmic
• COSMIC 文档: https://cancer.sanger.ac.uk/cosmic/documentation
• API 文档: https://cancer.sanger.ac.uk/cosmic/api/documentation
• 威康桑格研究所: https://www.sanger.ac.uk/
• 联系方式: cosmic@sanger.ac.uk