name: 癌症突变数据库 description: “访问COSMIC癌症突变数据库。查询体细胞突变、癌症基因普查、突变签名、基因融合，用于癌症研究和精准医疗。需要认证。”

COSMIC 数据库

概述

COSMIC（癌症体细胞突变目录）是世界上最大和最全面的用于探索人类癌症体细胞突变的数据库。通过编程方式访问COSMIC的广泛癌症基因组数据收集，包括数百万个突变、数千种癌症类型、策划的基因列表、突变签名和临床注释。

何时使用此技能

此技能应在以下情况下使用：

下载癌症突变数据从COSMIC
访问癌症基因普查以获取策划的癌症基因列表
检索突变签名配置文件
查询结构变异、拷贝数改变或基因融合
分析药物抗性突变
处理癌症细胞系基因组数据
将癌症突变数据集成到生物信息学管道中
在癌症背景下研究特定基因或突变

先决条件

账户注册

COSMIC需要认证以进行数据下载：

学术用户：免费访问，在 https://cancer.sanger.ac.uk/cosmic/register 注册
商业用户：需要许可证（联系QIAGEN）

Python 要求

pip install requests pandas

快速开始

1. 基本文件下载

使用 scripts/download_cosmic.py 脚本下载 COSMIC 数据文件：

from scripts.download_cosmic import download_cosmic_file

# 下载突变数据
download_cosmic_file(
    email="your_email@institution.edu",
    password="your_password",
    filepath="GRCh38/cosmic/latest/CosmicMutantExport.tsv.gz",
    output_filename="cosmic_mutations.tsv.gz"
)

2. 命令行使用

# 使用简写数据类型下载
python scripts/download_cosmic.py user@email.com --data-type mutations

# 下载特定文件
python scripts/download_cosmic.py user@email.com \
    --filepath GRCh38/cosmic/latest/cancer_gene_census.csv

# 为特定基因组组装下载
python scripts/download_cosmic.py user@email.com \
    --data-type gene_census --assembly GRCh37 -o cancer_genes.csv

3. 处理下载的数据

import pandas as pd

# 读取突变数据
mutations = pd.read_csv('cosmic_mutations.tsv.gz', sep='\t', compression='gzip')

# 读取癌症基因普查
gene_census = pd.read_csv('cancer_gene_census.csv')

# 读取 VCF 格式
import pysam
vcf = pysam.VariantFile('CosmicCodingMuts.vcf.gz')

可用数据类型

核心突变

下载全面的突变数据，包括点突变、插入缺失和基因组注释。

常见数据类型：

mutations - 完整编码突变（TSV 格式）
mutations_vcf - VCF 格式的编码突变
sample_info - 样本元数据和肿瘤信息

# 下载所有编码突变
download_cosmic_file(
    email="user@email.com",
    password="password",
    filepath="GRCh38/cosmic/latest/CosmicMutantExport.tsv.gz"
)

癌症基因普查

访问专家策划的约 700+ 个与癌症相关证据充分的基因列表。

# 下载癌症基因普查
download_cosmic_file(
    email="user@email.com",
    password="password",
    filepath="GRCh38/cosmic/latest/cancer_gene_census.csv"
)

使用案例：

识别已知癌症基因
按癌症相关性过滤变异
理解基因角色（癌基因 vs 肿瘤抑制基因）
研究目标基因选择

突变签名

下载用于突变签名分析的签名配置文件。

# 下载签名定义
download_cosmic_file(
    email="user@email.com",
    password="password",
    filepath="signatures/signatures.tsv"
)

签名类型：

单碱基替换（SBS）签名
双碱基替换（DBS）签名
插入/缺失（ID）签名

结构变异和融合

访问基因融合数据和结构重排。

可用数据类型：

structural_variants - 结构断点
fusion_genes - 基因融合事件

# 下载基因融合
download_cosmic_file(
    email="user@email.com",
    password="password",
    filepath="GRCh38/cosmic/latest/CosmicFusionExport.tsv.gz"
)

拷贝数和表达

检索拷贝数改变和基因表达数据。

可用数据类型：

copy_number - 拷贝数增益/损失
gene_expression - 过度/低表达数据

# 下载拷贝数数据
download_cosmic_file(
    email="user@email.com",
    password="password",
    filepath="GRCh38/cosmic/latest/CosmicCompleteCNA.tsv.gz"
)

抗性突变

访问带有临床注释的药物抗性突变数据。

# 下载抗性突变
download_cosmic_file(
    email="user@email.com",
    password="password",
    filepath="GRCh38/cosmic/latest/CosmicResistanceMutations.tsv.gz"
)

使用 COSMIC 数据

基因组组装

COSMIC 为两个参考基因组提供数据：

GRCh38（推荐，当前标准）
GRCh37（旧版，用于旧管道）

在文件路径中指定组装：

# GRCh38（推荐）
filepath="GRCh38/cosmic/latest/CosmicMutantExport.tsv.gz"

# GRCh37（旧版）
filepath="GRCh37/cosmic/latest/CosmicMutantExport.tsv.gz"

版本控制

在文件路径中使用 latest 以始终获取最新版本
COSMIC 每季度更新（当前版本：v102，2025年5月）
可使用特定版本以保证可重现性：v102、v101 等

文件格式

TSV/CSV：制表符/逗号分隔，gzip 压缩，使用 pandas 读取
VCF：标准变异格式，使用 pysam、bcftools 或 GATK
所有文件包括描述列内容的标题

常见分析模式

按基因过滤突变：

import pandas as pd

mutations = pd.read_csv('cosmic_mutations.tsv.gz', sep='\t', compression='gzip')
tp53_mutations = mutations[mutations['Gene name'] == 'TP53']

按角色识别癌症基因：

gene_census = pd.read_csv('cancer_gene_census.csv')
oncogenes = gene_census[gene_census['Role in Cancer'].str.contains('oncogene', na=False)]
tumor_suppressors = gene_census[gene_census['Role in Cancer'].str.contains('TSG', na=False)]

按癌症类型提取突变：

mutations = pd.read_csv('cosmic_mutations.tsv.gz', sep='\t', compression='gzip')
lung_mutations = mutations[mutations['Primary site'] == 'lung']

使用 VCF 文件：

import pysam

vcf = pysam.VariantFile('CosmicCodingMuts.vcf.gz')
for record in vcf.fetch('17', 7577000, 7579000):  # TP53 区域
    print(record.id, record.ref, record.alts, record.info)

数据参考

有关 COSMIC 数据结构、可用文件和字段描述的全面信息，请参见 references/cosmic_data_reference.md。此参考包括：

可用数据类型和文件的完整列表
每种文件类型的详细字段描述
文件格式规范
常见文件路径和命名约定
数据更新计划和版本控制
引用信息

在以下情况下使用此参考：

探索 COSMIC 中可用的数据
理解特定字段含义
确定数据类型的正确文件路径
规划使用 COSMIC 数据的分析工作流

辅助函数

下载脚本包括用于常见操作的辅助函数：

获取常见文件路径

from scripts.download_cosmic import get_common_file_path

# 获取突变文件的路径
path = get_common_file_path('mutations', genome_assembly='GRCh38')
# 返回: 'GRCh38/cosmic/latest/CosmicMutantExport.tsv.gz'

# 获取基因普查的路径
path = get_common_file_path('gene_census')
# 返回: 'GRCh38/cosmic/latest/cancer_gene_census.csv'

可用快捷方式：

mutations - 核心编码突变
mutations_vcf - VCF 格式突变
gene_census - 癌症基因普查
resistance_mutations - 药物抗性数据
structural_variants - 结构变异
gene_expression - 表达数据
copy_number - 拷贝数改变
fusion_genes - 基因融合
signatures - 突变签名
sample_info - 样本元数据

故障排除

认证错误

验证电子邮件和密码是否正确
确保在 cancer.sanger.ac.uk/cosmic 注册账户
检查使用案例是否需要商业许可证

文件未找到

验证文件路径是否正确
检查请求的版本是否存在
使用 latest 获取最新版本
确认基因组组装（GRCh37 vs GRCh38）正确

大文件下载

COSMIC 文件可能数 GB 大小
确保足够的磁盘空间
下载可能需要几分钟，取决于连接速度
脚本显示大文件的下载进度

商业使用

商业用户必须通过 QIAGEN 许可 COSMIC
联系: cosmic-translation@sanger.ac.uk
学术访问免费但需要注册

与其他工具集成

COSMIC 数据良好集成于：

变异注释：VEP、ANNOVAR、SnpEff
签名分析：SigProfiler、deconstructSigs、MuSiCa
癌症基因组学：cBioPortal、OncoKB、CIViC
生物信息学：Bioconductor、TCGA 分析工具
数据科学：pandas、scikit-learn、PyTorch

额外资源

COSMIC 网站：https://cancer.sanger.ac.uk/cosmic
文档：https://cancer.sanger.ac.uk/cosmic/help
发布说明：https://cancer.sanger.ac.uk/cosmic/release_notes
联系：cosmic@sanger.ac.uk

引用

使用 COSMIC 数据时，请引用： Tate JG, Bamford S, Jubb HC, et al. COSMIC: the Catalogue Of Somatic Mutations In Cancer. Nucleic Acids Research. 2019;47(D1):D941-D947.