cbioportal-database

cBioPortalデータベース

概要

cBioPortal for Cancer Genomics（https://www.cbioportal.org/）は、多次元のがんゲノミクスデータを探索、可視化、分析するためのオープンアクセスリソースです。The Cancer Genome Atlas（TCGA）、AACR Project GENIE、MSK-IMPACTをはじめとする数百件のがん研究のデータをホストしており、数千件のがんサンプルについて、変異、コピー数変化（CNA）、構造変異、mRNA／タンパク質発現、メチル化、臨床データを扱っています。

主なリソース：

• cBioPortalウェブサイト：https://www.cbioportal.org/
• REST API：https://www.cbioportal.org/api/
• APIドキュメント（Swagger）：https://www.cbioportal.org/api/swagger-ui/index.html
• Pythonクライアント：bravadoまたはrequests
• GitHub：https://github.com/cBioPortal/cbioportal

このスキルを使用する場面

次のような場合にcBioPortalを使用します。

• 変異の全体像：あるがん種で、特定の遺伝子に変異がある割合はどれくらいですか？
• がん遺伝子／がん抑制遺伝子の検証：ある遺伝子は、がんで頻繁に変異、増幅、または欠失していますか？
• 共変異パターン：遺伝子Aと遺伝子Bの変異は、相互排他的ですか、それとも共起しますか？
• 生存分析：ある遺伝子の変異は、患者の転帰の改善または悪化と関連していますか？
• 変化プロファイル：ある遺伝子には、どのような種類の変化（ミスセンス、短縮、増幅、欠失）が生じていますか？
• パンキャンサー分析：がん種間で変化頻度を比較する
• 臨床的関連：ゲノム変化を臨床変数（病期、グレード、治療反応）と関連付ける
• TCGA／GENIEの探索：TCGAおよび臨床シーケンシングデータセットに体系的にアクセスする

主な機能

1. cBioPortal REST API

ベースURL：https://www.cbioportal.org/api

APIはRESTfulで、JSONを返し、公開データにはAPIキーが不要です。

import requests

BASE_URL = "https://www.cbioportal.org/api"
HEADERS = {"Accept": "application/json", "Content-Type": "application/json"}

def cbioportal_get(endpoint, params=None):
    url = f"{BASE_URL}/{endpoint}"
    response = requests.get(url, params=params, headers=HEADERS)
    response.raise_for_status()
    return response.json()

def cbioportal_post(endpoint, body):
    url = f"{BASE_URL}/{endpoint}"
    response = requests.post(url, json=body, headers=HEADERS)
    response.raise_for_status()
    return response.json()

2. 研究の参照

def get_all_studies():
    """List all available cancer studies."""
    return cbioportal_get("studies", {"pageSize": 500})

# Each study has:
# studyId: unique identifier (e.g., "brca_tcga")
# name: human-readable name
# description: dataset description
# cancerTypeId: cancer type abbreviation
# referenceGenome: GRCh37 or GRCh38
# pmid: associated publication

studies = get_all_studies()
print(f"Total studies: {len(studies)}")

# Common TCGA study IDs:
# brca_tcga, luad_tcga, coadread_tcga, gbm_tcga, prad_tcga,
# skcm_tcga, blca_tcga, hnsc_tcga, lihc_tcga, stad_tcga

# Filter for TCGA studies
tcga_studies = [s for s in studies if "tcga" in s["studyId"]]
print([s["studyId"] for s in tcga_studies[:10]])

3. 分子プロファイル

各研究には複数の分子プロファイル（変異、CNA、発現など）があります。

def get_molecular_profiles(study_id):
    """Get all molecular profiles for a study."""
    return cbioportal_get(f"studies/{study_id}/molecular-profiles")

profiles = get_molecular_profiles("brca_tcga")
for p in profiles:
    print(f"  {p['molecularProfileId']}: {p['name']} ({p['molecularAlterationType']})")

# Alteration types:
# MUTATION_EXTENDED — somatic mutations
# COPY_NUMBER_ALTERATION — CNA (GISTIC)
# MRNA_EXPRESSION — mRNA expression
# PROTEIN_LEVEL — RPPA protein expression
# STRUCTURAL_VARIANT — fusions/rearrangements

4. 変異データ

def get_mutations(molecular_profile_id, entrez_gene_ids, sample_list_id=None):
    """Get mutations for specified genes in a molecular profile."""
    body = {
        "entrezGeneIds": entrez_gene_ids,
        "sampleListId": sample_list_id or molecular_profile_id.replace("_mutations", "_all")
    }
    return cbioportal_post(
        f"molecular-profiles/{molecular_profile_id}/mutations/fetch",
        body
    )

# BRCA1 Entrez ID is 672, TP53 is 7157, PTEN is 5728
mutations = get_mutations("brca_tcga_mutations", entrez_gene_ids=[7157])  # TP53

# Each mutation record contains:
# patientId, sampleId, entrezGeneId, gene.hugoGeneSymbol
# mutationType (Missense_Mutation, Nonsense_Mutation, Frame_Shift_Del, etc.)
# proteinChange (e.g., "R175H")
# variantClassification, variantType
# ncbiBuild, chr, startPosition, endPosition, referenceAllele, variantAllele
# mutationStatus (Somatic/Germline)
# alleleFreqT (tumor VAF)

import pandas as pd
df = pd.DataFrame(mutations)
print(df[["patientId", "mutationType", "proteinChange", "alleleFreqT"]].head())
print(f"\nMutation types:\n{df['mutationType'].value_counts()}")

5. コピー数変化データ

def get_cna(molecular_profile_id, entrez_gene_ids):
    """Get discrete CNA data (GISTIC: -2, -1, 0, 1, 2)."""
    body = {
        "entrezGeneIds": entrez_gene_ids,
        "sampleListId": molecular_profile_id.replace("_gistic", "_all").replace("_cna", "_all")
    }
    return cbioportal_post(
        f"molecular-profiles/{molecular_profile_id}/discrete-copy-number/fetch",
        body
    )

# GISTIC values:
# -2 = Deep deletion (homozygous loss)
# -1 = Shallow deletion (heterozygous loss)
#  0 = Diploid (neutral)
#  1 = Low-level gain
#  2 = High-level amplification

cna_data = get_cna("brca_tcga_gistic", entrez_gene_ids=[1956])  # EGFR
df_cna = pd.DataFrame(cna_data)
print(df_cna["value"].value_counts())

6. 変化頻度（OncoPrint形式）

def get_alteration_frequency(study_id, gene_symbols, alteration_types=None):
    """Compute alteration frequencies for genes across a cancer study."""
    import requests, pandas as pd

    # Get sample list
    samples = requests.get(
        f"{BASE_URL}/studies/{study_id}/sample-lists",
        headers=HEADERS
    ).json()
    all_samples_id = next(
        (s["sampleListId"] for s in samples if s["category"] == "all_cases_in_study"), None
    )
    total_samples = len(requests.get(
        f"{BASE_URL}/sample-lists/{all_samples_id}/sample-ids",
        headers=HEADERS
    ).json())

    # Get gene Entrez IDs
    gene_data = requests.post(
        f"{BASE_URL}/genes/fetch",
        json=[{"hugoGeneSymbol": g} for g in gene_symbols],
        headers=HEADERS
    ).json()
    entrez_ids = [g["entrezGeneId"] for g in gene_data]

    # Get mutations
    mutation_profile = f"{study_id}_mutations"
    mutations = get_mutations(mutation_profile, entrez_ids, all_samples_id)

    freq = {}
    for g_symbol, e_id in zip(gene_symbols, entrez_ids):
        mutated = len(set(m["patientId"] for m in mutations if m["entrezGeneId"] == e_id))
        freq[g_symbol] = mutated / total_samples * 100

    return freq

# Example
freq = get_alteration_frequency("brca_tcga", ["TP53", "PIK3CA", "BRCA1", "BRCA2"])
for gene, pct in sorted(freq.items(), key=lambda x: -x[1]):
    print(f"  {gene}: {pct:.1f}%")

7. 臨床データ

def get_clinical_data(study_id, attribute_ids=None):
    """Get patient-level clinical data."""
    params = {"studyId": study_id}
    all_clinical = cbioportal_get(
        "clinical-data/fetch",
        params
    )
    # Returns list of {patientId, studyId, clinicalAttributeId, value}

# Clinical attributes include:
# OS_STATUS, OS_MONTHS, DFS_STATUS, DFS_MONTHS (survival)
# TUMOR_STAGE, GRADE, AGE, SEX, RACE
# Study-specific attributes vary

def get_clinical_attributes(study_id):
    """List all available clinical attributes for a study."""
    return cbioportal_get(f"studies/{study_id}/clinical-attributes")

クエリのワークフロー

ワークフロー1：がん種における遺伝子変化プロファイル

import requests, pandas as pd

def alteration_profile(study_id, gene_symbol):
    """Full alteration profile for a gene in a cancer study."""

    # 1. Get gene Entrez ID
    gene_info = requests.post(
        f"{BASE_URL}/genes/fetch",
        json=[{"hugoGeneSymbol": gene_symbol}],
        headers=HEADERS
    ).json()[0]
    entrez_id = gene_info["entrezGeneId"]

    # 2. Get mutations
    mutations = get_mutations(f"{study_id}_mutations", [entrez_id])
    mut_df = pd.DataFrame(mutations) if mutations else pd.DataFrame()

    # 3. Get CNAs
    cna = get_cna(f"{study_id}_gistic", [entrez_id])
    cna_df = pd.DataFrame(cna) if cna else pd.DataFrame()

    # 4. Summary
    n_mut = len(set(mut_df["patientId"])) if not mut_df.empty else 0
    n_amp = len(cna_df[cna_df["value"] == 2]) if not cna_df.empty else 0
    n_del = len(cna_df[cna_df["value"] == -2]) if not cna_df.empty else 0

    return {"mutations": n_mut, "amplifications": n_amp, "deep_deletions": n_del}

result = alteration_profile("brca_tcga", "PIK3CA")
print(result)

ワークフロー2：パンキャンサーでの遺伝子変異頻度

import requests, pandas as pd

def pan_cancer_mutation_freq(gene_symbol, cancer_study_ids=None):
    """Mutation frequency of a gene across multiple cancer types."""
    studies = get_all_studies()
    if cancer_study_ids:
        studies = [s for s in studies if s["studyId"] in cancer_study_ids]

    results = []
    for study in studies[:20]:  # Limit for demo
        try:
            freq = get_alteration_frequency(study["studyId"], [gene_symbol])
            results.append({
                "study": study["studyId"],
                "cancer": study.get("cancerTypeId", ""),
                "mutation_pct": freq.get(gene_symbol, 0)
            })
        except Exception:
            pass

    df = pd.DataFrame(results).sort_values("mutation_pct", ascending=False)
    return df

ワークフロー3：変異状況別の生存分析

import requests, pandas as pd

def survival_by_mutation(study_id, gene_symbol):
    """Get survival data split by mutation status."""
    # This workflow fetches clinical and mutation data for downstream analysis

    gene_info = requests.post(
        f"{BASE_URL}/genes/fetch",
        json=[{"hugoGeneSymbol": gene_symbol}],
        headers=HEADERS
    ).json()[0]
    entrez_id = gene_info["entrezGeneId"]

    mutations = get_mutations(f"{study_id}_mutations", [entrez_id])
    mutated_patients = set(m["patientId"] for m in mutations)

    clinical = cbioportal_get("clinical-data/fetch", {"studyId": study_id})
    clinical_df = pd.DataFrame(clinical)

    os_data = clinical_df[clinical_df["clinicalAttributeId"].isin(["OS_MONTHS", "OS_STATUS"])]
    os_wide = os_data.pivot(index="patientId", columns="clinicalAttributeId", values="value")
    os_wide["mutated"] = os_wide.index.isin(mutated_patients)

    return os_wide

主なAPIエンドポイントの概要

エンドポイント	説明
GET /studies	すべての研究を一覧表示
GET /studies/{studyId}/molecular-profiles	研究の分子プロファイル
POST /molecular-profiles/{profileId}/mutations/fetch	変異データを取得
POST /molecular-profiles/{profileId}/discrete-copy-number/fetch	CNAデータを取得
POST /molecular-profiles/{profileId}/molecular-data/fetch	発現データを取得
GET /studies/{studyId}/clinical-attributes	利用可能な臨床変数
GET /clinical-data/fetch	臨床データ
POST /genes/fetch	シンボルまたはEntrez IDによる遺伝子メタデータ
GET /studies/{studyId}/sample-lists	サンプルリスト

ベストプラクティス

• 研究IDを確認する：Swagger UIまたはGET /studiesを使用して、正しい研究IDを確認します
• サンプルリストを使用する：各研究にはallサンプルリストとそのサブセットがあります。必ず適切なものを指定してください
• TCGAとGENIEの違い：TCGAデータは包括的ですが古く、GENIEにはより新しい臨床シーケンシングデータがあります
• Entrez遺伝子ID：APIではEntrez IDを使用します。シンボルから変換するには/genes/fetchを使用してください
• 404エラーに対処する：一部の分子プロファイルは、すべての研究で利用できるとは限りません
• レート制限：一括クエリでは間隔を空けてください。大規模な分析ではデータファイルのダウンロードを検討してください

データのダウンロード

大規模な分析では、研究データを直接ダウンロードします。

# Download TCGA BRCA data
wget https://cbioportal-datahub.s3.amazonaws.com/brca_tcga.tar.gz

追加リソース

• cBioPortal のウェブサイト: https://www.cbioportal.org/
• API Swagger UI: https://www.cbioportal.org/api/swagger-ui/index.html
• ドキュメント: https://docs.cbioportal.org/
• GitHub: https://github.com/cBioPortal/cbioportal
• データハブ: https://datahub.cbioportal.org/
• 引用文献: Cerami E et al. (2012) Cancer Discovery. PMID: 22588877
• API クライアント: https://docs.cbioportal.org/web-api-and-clients/