clinvar-database

Name: clinvar-database
Author: jackspace

github.com/jackspace数据与数据库1635 次安装12 周前更新

代码仓库

关于 clinvar-database

此技能介绍如何搜索和处理 ClinVar 数据；ClinVar 是 NCBI 收录人类遗传变异解读及支持证据的档案。内容涵盖 E-utilities 查询、批量下载、临床意义审查和变异注释流程。

主要功能

01按基因、疾病或临床意义搜索
02通过 E-utilities 获取记录
03下载 XML、VCF 和表格数据
04审查分类及星级评审状态
05使用 ClinVar 数据注释变异调用

适用场景

01查找高可信度的致病变异
02为 VCF 添加临床分类注释
03研究与某种疾病相关的变异
04构建本地 ClinVar 数据集

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/jackspace/claudeskillz --skill clinvar-database

安装后在 Claude Code 中输入/clinvar-database确认已加载。

附带文件SKILL.json

详细介绍

ClinVar 数据库

概述

ClinVar 是 NCBI 免费开放的档案库，收录了人类遗传变异与表型之间关系的报告及支持证据。该数据库汇总了基因组变异及其与人类健康的关系信息，并提供用于临床遗传学和研究的标准化变异分类。

何时使用此技能

在以下情形中应使用此技能：

按基因、疾病或临床意义搜索变异
解读临床意义分类（致病、良性、意义未明变异）
通过 E-utilities API 以编程方式访问 ClinVar 数据
从 FTP 下载和处理批量数据
了解审查状态和星级评分
解决存在冲突的变异解读
为变异调用集添加临床意义注释

核心功能

1. 搜索和查询 ClinVar

Web 界面查询

通过 https://www.ncbi.nlm.nih.gov/clinvar/ 使用 ClinVar Web 界面搜索

常见搜索模式：

按基因：BRCA1[gene]
按临床意义：pathogenic[CLNSIG]
按疾病：breast cancer[disorder]
按变异：NM_000059.3:c.1310_1313del[variant name]
按染色体：13[chr]
组合查询：BRCA1[gene] AND pathogenic[CLNSIG]

通过 E-utilities 进行程序化访问

使用 NCBI 的 E-utilities API 以编程方式访问 ClinVar。完整的 API 文档请参阅 references/api_reference.md，其中包括：

esearch - 搜索符合条件的变异
esummary - 获取变异摘要
efetch - 下载完整的 XML 记录
elink - 查找 NCBI 其他数据库中的相关记录

使用 curl 的快速示例：

# Search for pathogenic BRCA1 variants
curl "https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esearch.fcgi?db=clinvar&term=BRCA1[gene]+AND+pathogenic[CLNSIG]&retmode=json"

最佳实践：

自动化前先在 Web 界面中测试查询
使用 API 密钥，将速率限制从每秒 3 次请求提高到每秒 10 次请求
针对速率限制错误实现指数退避
使用 Biopython 时设置 Entrez.email

2. 解读临床意义

了解分类

ClinVar 使用标准化术语对变异进行分类。详细的解读指南请参阅 references/clinical_significance.md。

主要生殖系分类术语（ACMG/AMP）：

致病（P） - 变异会导致疾病（概率约为 99%）
可能致病（LP） - 变异很可能会导致疾病（概率约为 90%）
意义未明（VUS） - 证据不足，无法分类
可能良性（LB） - 变异很可能不会导致疾病
良性（B） - 变异不会导致疾病

审查状态（星级评分）：

★★★★ 实践指南 - 置信度最高
★★★ 专家组审查（例如 ClinGen）- 置信度高
★★ 多个提交者，无冲突 - 置信度中等
★ 单个提交者，且提供了评估标准 - 标准权重
☆ 无评估标准声明 - 置信度低

重要注意事项：

始终检查审查状态——优先选择 ★★★ 或 ★★★★ 评级
存在冲突的解读需要人工评估
分类可能随着新证据出现而改变
VUS（意义未明）变异缺乏足够的临床应用证据

3. 从 FTP 下载批量数据

访问 ClinVar FTP 站点

从 ftp://ftp.ncbi.nlm.nih.gov/pub/clinvar/ 下载完整数据集

文件格式和处理的完整文档请参阅 references/data_formats.md。

更新计划：

每月发布：每月第一个星期四（完整数据集，已归档）
每周更新：每周一（增量更新）

可用格式

XML 文件（最全面）：

VCV（变异）文件：xml/clinvar_variation/ - 以变异为中心的汇总
RCV（记录）文件：xml/RCV/ - 变异与疾病的配对记录
包含完整的提交详情、证据和元数据

VCF 文件（用于基因组处理流程）：

GRCh37：vcf_GRCh37/clinvar.vcf.gz
GRCh38：vcf_GRCh38/clinvar.vcf.gz
局限性：不包含大于 10 kb 的变异和复杂结构变异

制表符分隔文件（用于快速分析）：

tab_delimited/variant_summary.txt.gz - 所有变异的摘要
tab_delimited/var_citations.txt.gz - PubMed 引文
tab_delimited/cross_references.txt.gz - 数据库交叉引用

下载示例：

# Download latest monthly XML release
wget ftp://ftp.ncbi.nlm.nih.gov/pub/clinvar/xml/clinvar_variation/ClinVarVariationRelease_00-latest.xml.gz

# Download VCF for GRCh38
wget ftp://ftp.ncbi.nlm.nih.gov/pub/clinvar/vcf_GRCh38/clinvar.vcf.gz

4. 处理和分析 ClinVar 数据

使用 XML 文件

处理 XML 文件以提取变异详情、分类和证据。

使用 xml.etree 的 Python 示例：

import gzip
import xml.etree.ElementTree as ET

with gzip.open('ClinVarVariationRelease.xml.gz', 'rt') as f:
    for event, elem in ET.iterparse(f, events=('end',)):
        if elem.tag == 'VariationArchive':
            variation_id = elem.attrib.get('VariationID')
            # Extract clinical significance, review status, etc.
            elem.clear()  # Free memory

使用 VCF 文件

使用 bcftools 或 Python 对变异调用进行注释，或按临床意义筛选。

使用 bcftools：

# Filter pathogenic variants
bcftools view -i 'INFO/CLNSIG~"Pathogenic"' clinvar.vcf.gz

# Extract specific genes
bcftools view -i 'INFO/GENEINFO~"BRCA"' clinvar.vcf.gz

# Annotate your VCF with ClinVar
bcftools annotate -a clinvar.vcf.gz -c INFO your_variants.vcf

在 Python 中使用 PyVCF：

import vcf

vcf_reader = vcf.Reader(filename='clinvar.vcf.gz')
for record in vcf_reader:
    clnsig = record.INFO.get('CLNSIG', [])
    if 'Pathogenic' in clnsig:
        gene = record.INFO.get('GENEINFO', [''])[0]
        print(f"{record.CHROM}:{record.POS} {gene} - {clnsig}")

使用制表符分隔文件

使用 pandas 或命令行工具进行快速筛选和分析。

使用 pandas：

import pandas as pd

# Load variant summary
df = pd.read_csv('variant_summary.txt.gz', sep='\t', compression='gzip')

# Filter pathogenic variants in specific gene
pathogenic_brca = df[
    (df['GeneSymbol'] == 'BRCA1') &
    (df['ClinicalSignificance'].str.contains('Pathogenic', na=False))
]

# Count variants by clinical significance
sig_counts = df['ClinicalSignificance'].value_counts()

使用命令行工具：

# Extract pathogenic variants for specific gene
zcat variant_summary.txt.gz | \
  awk -F'\t' '$7=="TP53" && $13~"Pathogenic"' | \
  cut -f1,5,7,13,14

5. 处理相互矛盾的解读

当多个提交者对同一变异提供不同分类时，ClinVar 会报告“致病性解读存在冲突”。

解决策略：

查看审查状态（星级评级）——评级越高，参考权重越大
检查每位提交者提供的证据和判定标准
考虑提交日期——较新的提交可能反映了更新的证据
结合人群频率数据（例如 gnomAD）进行判断
如有专家组分类（★★★），请予以参考
用于临床时，务必遵从遗传学专业人员的意见

排除冲突记录的搜索查询：

TP53[gene] AND pathogenic[CLNSIG] NOT conflicting[RVSTAT]

6. 跟踪分类更新

随着新证据出现，变异分类可能会随时间变化。

分类发生变化的原因：

新的功能研究或临床数据
更新的人群频率信息
修订后的 ACMG/AMP 指南
来自更多家系的共分离数据

最佳实践：

记录 ClinVar 版本和访问日期，以确保可复现性
定期重新检查关键变异的分类
订阅 ClinVar 邮件列表，获取重大更新
使用每月归档版本，以获得稳定的数据集

7. 向 ClinVar 提交数据

组织可以向 ClinVar 提交变异解读。

提交方式：

Web 提交门户：https://submit.ncbi.nlm.nih.gov/subs/clinvar/
API 提交（需要服务账户）：参见 references/api_reference.md
通过 Excel 模板批量提交

要求：

NCBI 组织账户
判定标准（建议使用 ACMG/AMP 指南）
支持分类的证据

联系 [email protected] 设置提交账户。

工作流示例

示例 1：识别基因中的高置信度致病变异

目标： 查找 CFTR 基因中经过专家组审查的致病变异。

步骤：

使用 Web 界面或 E-utilities 搜索：

CFTR[gene] AND pathogenic[CLNSIG] AND (reviewed by expert panel[RVSTAT] OR practice guideline[RVSTAT])

查看结果并留意审查状态（应为 ★★★ 或 ★★★★）
导出变异列表，或通过 efetch 获取完整记录
如适用，与临床表现交叉比对

示例 2：使用 ClinVar 分类注释 VCF

目标： 为变异调用添加临床意义注释。

步骤：

下载合适的 ClinVar VCF（匹配基因组版本：GRCh37 或 GRCh38）：

wget ftp://ftp.ncbi.nlm.nih.gov/pub/clinvar/vcf_GRCh38/clinvar.vcf.gz
wget ftp://ftp.ncbi.nlm.nih.gov/pub/clinvar/vcf_GRCh38/clinvar.vcf.gz.tbi

使用 bcftools 进行注释：

bcftools annotate -a clinvar.vcf.gz \
  -c INFO/CLNSIG,INFO/CLNDN,INFO/CLNREVSTAT \
  -o annotated_variants.vcf \
  your_variants.vcf

筛选已注释的 VCF，获取致病变异：

bcftools view -i 'INFO/CLNSIG~"Pathogenic"' annotated_variants.vcf

示例 3：分析特定疾病的变异

目标： 研究所有与遗传性乳腺癌相关的变异。

步骤：

按疾病搜索：

hereditary breast cancer[disorder] OR "Breast-ovarian cancer, familial"[disorder]

将结果下载为 CSV，或通过 E-utilities 获取
按评审状态筛选，优先处理可信度较高的变异
分析各基因中的变异分布（BRCA1、BRCA2、PALB2 等）
单独检查解读结果相互冲突的变异

示例 4：批量下载并构建数据库

目标： 构建本地 ClinVar 数据库，用于分析流程。

步骤：

下载每月发布版本，确保结果可复现：

wget ftp://ftp.ncbi.nlm.nih.gov/pub/clinvar/xml/clinvar_variation/ClinVarVariationRelease_YYYY-MM.xml.gz

解析 XML 并载入数据库（PostgreSQL、MySQL、MongoDB）
按基因、位置、临床意义和评审状态建立索引
实现更新版本跟踪
安排每月从 FTP 站点更新

重要限制和注意事项

数据质量

并非所有提交具有同等权重——检查评审状态（星级评分）
存在相互冲突的解读——需要人工评估
历史提交可能已过时——较新的数据可能更准确
VUS 分类不是临床诊断——意味着证据不足

范围限制

不能用于直接临床诊断——务必请遗传学专业人士参与
具有群体特异性——变异频率因祖源而异
覆盖不完整——并非所有基因或变异都经过充分研究
版本依赖性——在不同分析中统一基因组版本（GRCh37/GRCh38）

技术限制

VCF 文件不包含大型变异——VCF 格式中不包括大于 10kb 的变异
API 有速率限制——不使用密钥时为 3 req/sec，使用 API 密钥时为 10 req/sec
文件大小——完整 XML 发布文件压缩后有数 GB
不支持实时更新——网站每周更新，FTP 每月/每周更新

资源

参考文档

此技能包含全面的参考文档：

references/api_reference.md——完整的 E-utilities API 文档，含 esearch、esummary、efetch 和 elink 示例；包括速率限制、身份验证以及 Python/Biopython 代码示例
references/clinical_significance.md——详细介绍如何解读临床意义分类、评审状态星级评分、冲突解决方法以及变异解读最佳实践
references/data_formats.md——XML、VCF 和制表符分隔文件格式的文档；包括 FTP 目录结构、处理示例和格式选择指南

外部资源

ClinVar 主页：https://www.ncbi.nlm.nih.gov/clinvar/
ClinVar 文档：https://www.ncbi.nlm.nih.gov/clinvar/docs/
E-utilities 文档：https://www.ncbi.nlm.nih.gov/books/NBK25501/
ACMG 变异解读指南：Richards 等，2015 年（PMID: 25741868）
ClinGen 专家组：https://clinicalgenome.org/

联系方式

如有关于 ClinVar 或数据提交的问题，请联系：[email protected]

支持 Markdown

登录后评论

基本信息

作者: jackspace
仓库: jackspace/claudeskillz
分类: 数据与数据库
安装次数: 35
GitHub Stars: 16

报告问题