depmap

DepMap — がん依存性マップ

使用する場面

このスキルは、がんモデルにおける依存性のランキング、事前に指定したバイオマーカーコホートの比較、共必須性の調査、または遺伝的依存性と PRISM 化合物応答の関連付けに使用します。これらの解析は、標的および合成致死の仮説を生成するものであり、臨床的有效性、治療域、または因果的な相互作用を立証するものではありません。

DepMap は Broad と Sanger の CRISPR スクリーニングを統合し、独立した RNAi および薬剤スクリーニングデータセットをホストしています。各質問を、そのアッセイと固定したリリースに対応させてください。RNAi DEMETER2 は異なる摂動モダリティであり、古い CRISPR スコアリング手法ではありません。

1. リリースを発見し、そのファイルを取得する

DepMap Downloads と、選択したリリースの README およびリリースノートを使用してください。確認時点で、ライブカタログの最新の DepMap Public リリースは 26Q1 で、日付は 2026-04-01 でした。新しい作業の前に再発見してください。リリース名や予想される四半期は、リリースが利用可能である証拠にはなりません。

検証済みの公開エンドポイント

GET https://depmap.org/portal/api/no-captcha/download/files は完全な CSV カタログを返し、リクエストボディ、API キー、ページネーションパラメータは不要です。必須のメタデータ列は release、release_date、filename、md5_hash です。ライブ応答には url もあります。古いファイルにはリンクがある一方、最近のリリース行のリンクは空です。26Q1 の 85 件のエントリはすべて、確認時点で url の値が空でした。エンドポイント単位ではなく、行単位で可用性を判断してください。

スタッフによる告知が、このメタデータルートを 2026 年 7 月に導入しました。古い https://depmap.org/portal/api/download/files カタログはダウンロードリンクを提供できますが、確認中に HTTP 200 を含めて HTML の検証ページを返しました。解析の前にコンテンツを検証してください。検証が必要な場合は、ポータルを通じて最新のファイルを取得してください。有効期限のある署名付きリンクは、使用直前に更新してください。ストレージ URL を捏造したり、新しいリリースがすべて Figshare にあると仮定したりしないでください。

以前の /api/gene?gene_id=... や /api/data/gene_dependency の例については、サポートされた契約は検証されていません。遺伝子スライスにはローカルのリリースマトリクスを使用してください。depmap という名前の Python パッケージが公式ポータルクライアントであると仮定しないでください。

スキルルートから、同梱の helpers を使用してください:

from scripts.depmap_data import fetch_catalogue, select_file, verify_md5

catalogue = fetch_catalogue()
public = catalogue[catalogue["release"].str.startswith("DepMap Public ")]
print(public[["release", "release_date"]].drop_duplicates()
      .sort_values("release_date", ascending=False).head(12))

# Explicit example pin; inspect discovery output before selecting your release.
release = "DepMap Public 26Q1"
record = select_file(catalogue, release, "CRISPRGeneEffect.csv")
print(record[["release", "filename", "md5_hash"]])
# After obtaining this file from the portal:
# verify_md5("CRISPRGeneEffect.csv", record["md5_hash"])

選択したメタデータ、取得日、リリースの引用、ローカルチェックサム、および README を解析出力とともに保存してください。ソースデータセットの利用規約は、このスキルのライセンスとは別に記録してください。新しいリリースの利用規約は古い Figshare リリースとは異なります。公開されたチェックサムが存在しない場合は、ローカルの SHA-256 を保持し、発行元のチェックサムと比較していないことを明示してください。

2. 結合する前にファイルの契約を確認する

以下の名前は 26Q1 カタログで確認されたものです。ファイルを数値行列として扱う前に、そのリリースの README で単位と識別子のレベルを確認してください。

ファイル	用途と重要な契約
CRISPRGeneEffect.csv	統合されたモデルレベルの Chronos 効果。行は ModelID、列は Symbol (EntrezID) を保持します
CRISPRGeneEffectUncorrected.csv	補正なしの効果。補正済みの効果と互換性はありません
CRISPRGeneDependency.csv	リリース固有の依存性統計。確率/FDR の定義と方向性を README で確認してください
Model.csv	ModelID をキーとするモデルのメタデータ
ModelCondition.csv	ModelConditionID をキーとする生育/処理条件。ModelID へのマッピングを含みます
ScreenGeneEffect.csv、ScreenSequenceMap.csv、CRISPRScreenMap.csv	スクリーニングレベルの効果とマッピング。複数のスクリーニングが 1 つのモデルに属することがあります
OmicsExpressionTPMLogp1HumanProteinCodingGenes.csv	シーケンシング/モデルのメタデータとデフォルトエントリフラグを含む発現出力。発現値の計算からメタデータ列を除外してください
OmicsSomaticMutationsMatrixDamaging.csv、OmicsSomaticMutationsMatrixHotspot.csv	異なる変異アノテーション。damaging と hotspot のコールは異なる生物学的問いに答えるものです
OmicsCNGeneWGS.csv、OmicsCNGeneMC_WES.csv	別々の WGS/WES コピー数プロダクト。均一に処理された 1 つのコホートとして連結しないでください
PortalOmicsCNGeneLog2.csv	変換済みのポータルコピー数プロダクト。逆変換の前に正確な変換を確認してください
OmicsProfiles.csv、Gene.csv	オミクスの来歴/マッピングと遺伝子アノテーション
AchillesScreenQCReport.csv、AchillesSequenceQCReport.csv	スクリーニング/シーケンスの QC。独自に考案した万能なしきい値ではなく、文書化された適格性ルールを適用してください

現在のモデルアノテーションには CellLineName、OncotreeLineage、 OncotreePrimaryDisease、OncotreeSubtype が含まれます。レガシーの sample_info.csv のフィールド (DepMap_ID、lineage、primary_disease) には明示的な変換が必要です。 Model.csv には CRISPR 測定値のないモデルも含まれます。効果行列に存在しないことは、 非依存スコアではないことに注意してください。

オミクスは SequencingID、ModelConditionID、または ModelID でインデックスされることがあります。基底モデルの 解析では、そのリリースの IsDefaultEntryForModel == Yes フラグを使用し、 その後 ModelID ごとに 1 行であることを確認してください。条件レベルのフラグ IsDefaultEntryForMC は別の問いに答えるものです。マッピングテーブルからデフォルトを選択する前に、 アッセイ/データタイプをサブセット化してください。明示的な科学的設計なしに、反復された条件を平均したり、 それらを独立したモデルとして数えたりしないでください。

マッピングガイドのソース とメタデータの定義を参照してください。

3. Chronos を解釈し、対象を検査する

Chronos の遺伝子効果は連続的で上限がありません。より負の値は、フィットネスの喪失がより強いことを示します。正規化リリース行列では、約 0 が nonessential 対照のアンカーであり、−1 が common-essential 対照のアンカーです。−1 は依存性の境界ではありません。≤ −0.5 といったフィルターは探索的なものであり、p 値、FDR、確率のカットオフではありません。正の効果は増殖優位性または技術的ノイズを反映している可能性があり、検証が必要です。

バイナリコールについては、選択したファイルの統計量と方向を検査してください。高い依存性確率と低い FDR は異なるルールです。それらの間で暗黙に変換しないでください。リリースが一致した陽性/陰性対照リストと QC 出力を使用してください。スコアと QC の注意事項を参照してください。

以下のローカルデータの例は、選択したファイルに対して実行するまでは例示的なものです。ヘルパーの動作は合成フィクスチャを用いてテストされています。今回のレビュー中に現在のバルク行列はダウンロードされていません。

from scripts.depmap_data import load_gene_effect, load_models, gene_profile

effects = load_gene_effect("CRISPRGeneEffect.csv")
models = load_models("Model.csv")
profile = gene_profile(effects, models, "KRAS (3845)")
print(profile[["CellLineName", "OncotreeLineage", "gene_effect"]].head(20))

# Inspect actual annotation values, then choose an exact cohort.
print(profile["OncotreeLineage"].value_counts())
known = profile.dropna(subset=["OncotreeLineage"])
lung = known.loc[known["OncotreeLineage"].eq("Lung"), "gene_effect"]
other = known.loc[~known["OncotreeLineage"].eq("Lung"), "gene_effect"]
if lung.empty or other.empty:
    raise ValueError("Both cohorts require observed effects and known lineage")
print({"n_lung": len(lung), "n_other": len(other),
       "other_minus_lung_mean": other.mean() - lung.mean(),
       "lung_fraction_below_exploratory_cutoff": (lung <= -0.5).mean()})

これは正常組織との比較ではなく、他のがんモデルとの記述的な比較です。分母と欠損カウントを保持してください。完全な遺伝子ラベルを保持してください。シンボルは曖昧になり得るため、ヘルパーは曖昧なシンボル解決を拒否します。

4. バイオマーカー関連を検証する

1. 対象スコアを検査する前に alteration を定義してください。damaging-call 行列は biallelic loss を確立するものではありません。活性化 KRAS ホットスポットには、一般的な damaging 変異とは異なる定義が必要です。
2. プロファイルを正しいモデル/条件にマッピングしてください。アッセイ済みの陰性には 0 のみを、事前指定されたバイオマーカーには 1 を、状態が不明な場合には欠損を使用してください。
3. 科学的に比較可能なモデル（系統、培養条件、スクリーニングのソース、および関連患者の構造）に限定してください。検証の前に交絡を検査してください。
4. 計画したファミリー内のすべての適格な遺伝子を検証し、ヒットを選択する前にそのすべての p 値を調整してください。群のサイズ、効果量、p 値、q 値を報告してください。
5. 候補となる合成致死性は、マッチした/同質遺伝子の摂動およびレスキューまたは直交的なエビデンスによって検証してください。関連だけでは不十分です。

import pandas as pd
from scripts.depmap_data import biomarker_scan

# User-prepared, release-matched annotation after the mapping and curation above.
status = pd.read_csv("curated_biomarker_status.csv", index_col="ModelID")["status"]
results = biomarker_scan(effects, status, min_n=5)
# Positive effect_size means stronger dependency in biomarker-positive models.
candidates = results.loc[(results["qval"] < 0.1) & (results["effect_size"] > 0)]

この片側 Mann–Whitney スクリーニングは探索的なものであり、共変量を調整しません。min_n=5 は明示的な例の下限であり、検出力の保証ではありません。系統間での推論には、適切な調整モデルを適合させ、系統内での効果の安定性を検査してください。ヘルパーの q 値を交絡調整済みとして報告しないでください。

5. 共必須性と薬剤感受性

from scripts.depmap_data import coessentiality

correlates = coessentiality(effects, "KRAS (3845)", min_n=500)
print(correlates[["gene", "n", "r", "pval", "qval"]].head(20))

min_n は設定可能であり、分析のために事前に指定する必要があります。疎な遺伝子は見せかけの相関でランキングを支配する可能性があります。常にペアワイズのサンプル数を保持してください。ヘルパーはペアワイズ完全観測を使用し、定数遺伝子をスキップします。Pearson/BH の出力には依然として系統、ライブラリ、スクリーニング品質のチェックが必要です。共必須性は物理的相互作用または共通経路の証明ではありません。DepMap チームの議論が、この特定の疎なカバレッジの失敗モードを記録しています。

PRISM については、まず正確なスクリーン/リリースとエンドポイントを選択してください。treatment-info CSV はアノテーションであり、感受性の値ではありません。元の primary screen の primary-screen-replicate-collapsed-logfold-change.csv は、応答行が cell-line の row_name でキー付けされ、列が treatment の column_name でキー付けされています。対応する cell-line ファイルと treatment-info ファイルを結合してください。化合物、用量、スクリーン ID を保持してください。より低い log2 fold change は、より大きな生存性の喪失を示します。secondary-screen AUC は用量反応曲線パラメータから得られ、単回用量の log fold change と同じ量ではありません。これらのファイルを読み込む前に、PRISM ワークフローを参照してください。

検証と出典

報告の前に、リリース/ファイルの同一性、一意な結合、識別子レベル、 完全な遺伝子ラベル、コホート所属、欠測性、スクリーニング適格性、スコアの 単位/方向、多重検定ファミリー、およびエビデンスが観察研究かどうかを検証してください。 発現、コピー数、CRISPR は技術的な交絡因子を共有する可能性があります。低発現は 測定スコアがゼロであることを保証しません。広範な必須性は正常細胞/選択性の研究を 動機づけますが、それ自体で標的が創薬不可能であることを証明するものではありません。

• 26Q1 リリースノート: ライブラリの修正と更新されたアノテーション。
• 25Q2 リリースノート: オミクス/デフォルトのマッピングと WGS/WES の変更。
• Chronos アップストリーム: 正規化、コピー数補正、およびヒットコールの定義。
• Dempster et al., Genome Biology 22:343 (2021): Chronos の手法、PMID 34930405。
• オリジナルの PRISM Repurposing リソース: リリース固有のデータと README。

キャプチャ不要のライブカタログとオリジナルの PRISM README は正常に取得できました。 このヘルパーは Python の urllib を使用しており、レビュー時には成功しました。同じ公開 エンドポイントは、デフォルトの requests クライアントでは HTTP 403 を返しました。エラーページを データとして扱うのではなく、アクセス失敗を明示してください。 保護されたポータルエンドポイントは検証ページを返しました。認証済みダウンロード および現在のマトリックスのエンドツーエンド分析は未検証のままです。このレビューは、 動作するベアラートークン API や文書化されていない遺伝子クエリエンドポイントについて 何ら主張するものではありません。