cosmic-database

COSMIC データベース

概要

COSMIC（Catalogue of Somatic Mutations in Cancer）は、ヒトのがんにおける体細胞変異を探索するための、世界最大かつ最も包括的なデータベースです。数百万件の変異、数千種類のがんタイプ、キュレーションされた遺伝子リスト、変異シグネチャー、臨床アノテーションを含む、COSMIC の広範ながんゲノムデータのコレクションに、プログラムからアクセスできます。

このスキルを使用するタイミング

このスキルは、次のような場合に使用します。

• COSMIC からがんの変異データをダウンロードするとき
• キュレーションされたがん遺伝子リストとして Cancer Gene Census にアクセスするとき
• 変異シグネチャーのプロファイルを取得するとき
• 構造変異、コピー数異常、または遺伝子融合を照会するとき
• 薬剤耐性変異を分析するとき
• がん細胞株のゲノムデータを扱うとき
• がんの変異データをバイオインフォマティクスのパイプラインに組み込むとき
• がんの文脈における特定の遺伝子や変異を調べるとき

前提条件

アカウント登録

COSMIC では、データのダウンロードに認証が必要です。

• 学術利用者: https://cancer.sanger.ac.uk/cosmic/register で登録すると無償で利用できます
• 商業利用者: ライセンスが必要です（QIAGEN に問い合わせてください）

Python の要件

pip install requests pandas

クイックスタート

1. 基本的なファイルのダウンロード

scripts/download_cosmic.py スクリプトを使用して、COSMIC のデータファイルをダウンロードします。

from scripts.download_cosmic import download_cosmic_file

# Download mutation data
download_cosmic_file(
    email="[email protected]",
    password="your_password",
    filepath="GRCh38/cosmic/latest/CosmicMutantExport.tsv.gz",
    output_filename="cosmic_mutations.tsv.gz"
)

2. コマンドラインでの使用

# Download using shorthand data type
python scripts/download_cosmic.py [email protected] --data-type mutations

# Download specific file
python scripts/download_cosmic.py [email protected] \
    --filepath GRCh38/cosmic/latest/cancer_gene_census.csv

# Download for specific genome assembly
python scripts/download_cosmic.py [email protected] \
    --data-type gene_census --assembly GRCh37 -o cancer_genes.csv

3. ダウンロードしたデータの扱い方

import pandas as pd

# Read mutation data
mutations = pd.read_csv('cosmic_mutations.tsv.gz', sep='\t', compression='gzip')

# Read Cancer Gene Census
gene_census = pd.read_csv('cancer_gene_census.csv')

# Read VCF format
import pysam
vcf = pysam.VariantFile('CosmicCodingMuts.vcf.gz')

利用可能なデータタイプ

コア変異

点変異、インデル、ゲノムアノテーションを含む、包括的な変異データをダウンロードします。

一般的なデータタイプ:

• mutations - コーディング領域の変異の全体（TSV 形式）
• mutations_vcf - VCF 形式のコーディング領域の変異
• sample_info - サンプルのメタデータと腫瘍の情報

# Download all coding mutations
download_cosmic_file(
    email="[email protected]",
    password="password",
    filepath="GRCh38/cosmic/latest/CosmicMutantExport.tsv.gz"
)

Cancer Gene Census

がんへの関与を示す十分なエビデンスがある、専門家がキュレーションした約 700 以上のがん遺伝子のリストにアクセスします。

# Download Cancer Gene Census
download_cosmic_file(
    email="[email protected]",
    password="password",
    filepath="GRCh38/cosmic/latest/cancer_gene_census.csv"
)

利用例:

• 既知のがん遺伝子を特定する
• がんとの関連性に基づいて変異を絞り込む
• 遺伝子の役割（がん遺伝子か腫瘍抑制遺伝子か）を把握する
• 研究対象遺伝子の選定

変異シグネチャー

変異シグネチャー解析のために、シグネチャーのプロファイルをダウンロードします。

# Download signature definitions
download_cosmic_file(
    email="[email protected]",
    password="password",
    filepath="signatures/signatures.tsv"
)

シグネチャーの種類:

• 単一塩基置換（SBS）シグネチャー
• 二重塩基置換（DBS）シグネチャー
• 挿入/欠失（ID）シグネチャー

構造変異と融合

遺伝子融合のデータと構造再編成にアクセスします。

利用可能なデータタイプ:

• structural_variants - 構造変異のブレークポイント
• fusion_genes - 遺伝子融合イベント

# Download gene fusions
download_cosmic_file(
    email="[email protected]",
    password="password",
    filepath="GRCh38/cosmic/latest/CosmicFusionExport.tsv.gz"
)

コピー数と発現

コピー数異常と遺伝子発現のデータを取得します。

利用可能なデータタイプ:

• copy_number - コピー数の増加/減少
• gene_expression - 発現の過剰/低下のデータ

# Download copy number data
download_cosmic_file(
    email="[email protected]",
    password="password",
    filepath="GRCh38/cosmic/latest/CosmicCompleteCNA.tsv.gz"
)

耐性変異

臨床アノテーションを伴う薬剤耐性変異のデータにアクセスします。

# Download resistance mutations
download_cosmic_file(
    email="[email protected]",
    password="password",
    filepath="GRCh38/cosmic/latest/CosmicResistanceMutations.tsv.gz"
)

COSMIC データの扱い方

ゲノムアセンブリ

COSMIC は 2 種類の参照ゲノムのデータを提供しています。

• GRCh38（推奨、現在の標準）
• GRCh37（レガシー、古いパイプライン向け）

ファイルパスでアセンブリを指定します。

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

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

バージョン管理

• ファイルパスで latest を使用すると、常に最新のリリースを取得できます
• COSMIC は四半期ごとに更新されます（現在のバージョン: v102、2025 年 5 月）
• 再現性のために、v102、v101 などの特定のバージョンを指定できます

ファイル形式

• TSV/CSV: タブ区切り/カンマ区切り、gzip 圧縮され、pandas で読み込みます
• VCF: 標準的なバリアント形式で、pysam、bcftools、または GATK と併用します
• すべてのファイルには、列の内容を説明するヘッダーが含まれています

一般的な解析パターン

遺伝子で変異を絞り込む:

import pandas as pd

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

役割によってがん遺伝子を特定する:

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)]

がんの種類で変異を抽出する:

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

VCF ファイルを扱う:

import pysam

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

データリファレンス

COSMICのデータ構造、利用可能なファイル、フィールドの説明の詳細については、references/cosmic_data_reference.mdを参照してください。このリファレンスには以下が含まれます:

• 利用可能なデータタイプとファイルの完全な一覧
• 各ファイルタイプの詳細なフィールド説明
• ファイル形式の仕様
• 一般的なファイルパスと命名規則
• データの更新スケジュールとバージョン管理
• 引用情報

以下の場合にこのリファレンスを使用してください:

• COSMICで利用可能なデータを調べるとき
• 特定のフィールドの意味を理解するとき
• データタイプの正しいファイルパスを決定するとき
• COSMICデータを使った解析ワークフローを計画するとき

ヘルパー関数

ダウンロードスクリプトには、一般的な操作のためのヘルパー関数が含まれています:

共通ファイルパスの取得

from scripts.download_cosmic import get_common_file_path

# Get path for mutations file
path = get_common_file_path('mutations', genome_assembly='GRCh38')
# Returns: 'GRCh38/cosmic/latest/CosmicMutantExport.tsv.gz'

# Get path for gene census
path = get_common_file_path('gene_census')
# Returns: 'GRCh38/cosmic/latest/cancer_gene_census.csv'

利用可能なショートカット:

• mutations - 主要なコーディング変異
• mutations_vcf - VCF形式の変異
• gene_census - Cancer Gene Census
• resistance_mutations - 薬剤耐性データ
• structural_variants - 構造変異
• gene_expression - 発現データ
• copy_number - コピー数異常
• fusion_genes - 遺伝子融合
• signatures - 変異シグネチャー
• sample_info - サンプルメタデータ

トラブルシューティング

認証エラー

• メールアドレスとパスワードが正しいか確認してください
• アカウントがcancer.sanger.ac.uk/cosmicに登録されていることを確認してください
• ご利用の用途で商用ライセンスが必要かどうか確認してください

ファイルが見つからない

• ファイルパスが正しいか確認してください
• 要求したバージョンが存在するか確認してください
• 最新版を取得するにはlatestを使用してください
• ゲノムアセンブリ(GRCh37とGRCh38)が正しいか確認してください

大容量ファイルのダウンロード

• COSMICのファイルは数GBに及ぶことがあります
• 十分なディスク容量があることを確認してください
• ダウンロードには接続状況によっては数分かかる場合があります
• スクリプトは大容量ファイルのダウンロード進捗を表示します

商用利用

• 商用利用者はQIAGEN経由でCOSMICのライセンスを取得する必要があります
• 連絡先: [email protected]
• アカデミック利用は無料ですが、登録が必要です

他のツールとの連携

COSMICデータは以下のツールとよく連携します:

• バリアント注釈: VEP、ANNOVAR、SnpEff
• シグネチャー解析: SigProfiler、deconstructSigs、MuSiCa
• がんゲノミクス: cBioPortal、OncoKB、CIViC
• バイオインフォマティクス: Bioconductor、TCGA解析ツール
• データサイエンス: pandas、scikit-learn、PyTorch

追加リソース

• COSMICウェブサイト: https://cancer.sanger.ac.uk/cosmic
• ドキュメント: https://cancer.sanger.ac.uk/cosmic/help
• リリースノート: https://cancer.sanger.ac.uk/cosmic/release_notes
• 連絡先: [email protected]

引用

COSMICのデータを使用する場合は、以下を引用してください: Tate JG, Bamford S, Jubb HC, et al. COSMIC: the Catalogue Of Somatic Mutations In Cancer. Nucleic Acids Research. 2019;47(D1):D941-D947.