Cosmic Database

Banco de Dados COSMIC

Visão Geral

COSMIC (Catalogue of Somatic Mutations in Cancer) é o maior e mais abrangente banco de dados do mundo para explorar mutações somáticas em câncer humano. Acesse a vasta coleção de dados de genômica de câncer do COSMIC, incluindo milhões de mutações em milhares de tipos de câncer, listas de genes curadas, assinaturas mutacionais e anotações clínicas de forma programática.

Quando Usar Esta Skill

Esta skill deve ser usada quando:

• Baixar dados de mutações de câncer do COSMIC
• Acessar o Cancer Gene Census para listas de genes de câncer curadas
• Recuperar perfis de assinatura mutacional
• Consultar variantes estruturais, alterações de número de cópias ou fusões gênicas
• Analisar mutações de resistência a drogas
• Trabalhar com dados genômicos de linhagens de células cancerosas
• Integrar dados de mutações de câncer em pipelines de bioinformática
• Pesquisar genes ou mutações específicas em contextos de câncer

Pré-requisitos

Registro de Conta

COSMIC requer autenticação para downloads de dados:

• Usuários acadêmicos: Acesso gratuito com registro em https://cancer.sanger.ac.uk/cosmic/register
• Usuários comerciais: Licença necessária (entre em contato com QIAGEN)

Requisitos Python

uv pip install requests pandas

Início Rápido

1. Download Básico de Arquivo

Use o script scripts/download_cosmic.py para baixar arquivos de dados do COSMIC:

from scripts.download_cosmic import download_cosmic_file

# Download de dados de mutação
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. Uso via Linha de Comando

# Download usando abreviação de tipo de dados
python scripts/download_cosmic.py user@email.com --data-type mutations

# Download de arquivo específico
python scripts/download_cosmic.py user@email.com \
    --filepath GRCh38/cosmic/latest/cancer_gene_census.csv

# Download para montagem genômica específica
python scripts/download_cosmic.py user@email.com \
    --data-type gene_census --assembly GRCh37 -o cancer_genes.csv

3. Trabalhando com Dados Baixados

import pandas as pd

# Leitura de dados de mutação
mutations = pd.read_csv('cosmic_mutations.tsv.gz', sep='\t', compression='gzip')

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

# Leitura de formato VCF
import pysam
vcf = pysam.VariantFile('CosmicCodingMuts.vcf.gz')

Tipos de Dados Disponíveis

Mutações Principais

Baixe dados abrangentes de mutações, incluindo mutações pontuais, indels e anotações genômicas.

Tipos de dados comuns:

• mutations - Mutações codificantes completas (formato TSV)
• mutations_vcf - Mutações codificantes em formato VCF
• sample_info - Metadados de amostra e informações de tumor

# Download de todas as mutações codificantes
download_cosmic_file(
    email="user@email.com",
    password="password",
    filepath="GRCh38/cosmic/latest/CosmicMutantExport.tsv.gz"
)

Cancer Gene Census

Acesse a lista curada por especialistas de ~700+ genes de câncer com evidências substanciais de envolvimento em câncer.

# Download de Cancer Gene Census
download_cosmic_file(
    email="user@email.com",
    password="password",
    filepath="GRCh38/cosmic/latest/cancer_gene_census.csv"
)

Casos de uso:

• Identificar genes de câncer conhecidos
• Filtrar variantes por relevância para câncer
• Compreender funções gênicas (oncogene vs supressor tumoral)
• Seleção de genes-alvo para pesquisa

Assinaturas Mutacionais

Baixe perfis de assinatura para análise de assinatura mutacional.

# Download de definições de assinatura
download_cosmic_file(
    email="user@email.com",
    password="password",
    filepath="signatures/signatures.tsv"
)

Tipos de assinatura:

• Assinaturas de Single Base Substitution (SBS)
• Assinaturas de Doublet Base Substitution (DBS)
• Assinaturas de Insertion/Deletion (ID)

Variantes Estruturais e Fusões

Acesse dados de fusão gênica e rearranjos estruturais.

Tipos de dados disponíveis:

• structural_variants - Breakpoints estruturais
• fusion_genes - Eventos de fusão gênica

# Download de fusões gênicas
download_cosmic_file(
    email="user@email.com",
    password="password",
    filepath="GRCh38/cosmic/latest/CosmicFusionExport.tsv.gz"
)

Número de Cópias e Expressão

Recupere alterações de número de cópias e dados de expressão gênica.

Tipos de dados disponíveis:

• copy_number - Ganhos/perdas de número de cópias
• gene_expression - Dados de sobre/sub-expressão

# Download de dados de número de cópias
download_cosmic_file(
    email="user@email.com",
    password="password",
    filepath="GRCh38/cosmic/latest/CosmicCompleteCNA.tsv.gz"
)

Mutações de Resistência

Acesse dados de mutações de resistência a drogas com anotações clínicas.

# Download de mutações de resistência
download_cosmic_file(
    email="user@email.com",
    password="password",
    filepath="GRCh38/cosmic/latest/CosmicResistanceMutations.tsv.gz"
)

Trabalhando com Dados COSMIC

Montagens Genômicas

COSMIC fornece dados para dois genomas de referência:

• GRCh38 (recomendado, padrão atual)
• GRCh37 (legado, para pipelines mais antigos)

Especifique a montagem em caminhos de arquivo:

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

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

Versionamento

• Use latest em caminhos de arquivo para sempre obter a versão mais recente
• COSMIC é atualizado trimestralmente (versão atual: v102, maio de 2025)
• Versões específicas podem ser usadas para reprodutibilidade: v102, v101, etc.

Formatos de Arquivo

• TSV/CSV: Separados por tabulação/vírgula, comprimidos com gzip, leitura com pandas
• VCF: Formato de variante padrão, use com pysam, bcftools ou GATK
• Todos os arquivos incluem cabeçalhos descrevendo o conteúdo das colunas

Padrões de Análise Comuns

Filtrar mutações por gene:

import pandas as pd

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

Identificar genes de câncer por papel:

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

Extrair mutações por tipo de câncer:

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

Trabalhar com arquivos VCF:

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)

Referência de Dados

Para informações abrangentes sobre a estrutura de dados do COSMIC, arquivos disponíveis e descrições de campos, consulte references/cosmic_data_reference.md. Esta referência inclui:

• Lista completa de tipos de dados disponíveis e arquivos
• Descrições detalhadas de campo para cada tipo de arquivo
• Especificações de formato de arquivo
• Caminhos de arquivo comuns e convenções de nomenclatura
• Cronograma de atualização de dados e versionamento
• Informações de citação

Use esta referência quando:

• Explorar quais dados estão disponíveis no COSMIC
• Compreender significados de campos específicos
• Determinar o caminho de arquivo correto para um tipo de dados
• Planejar workflows de análise com dados COSMIC

Funções Auxiliares

O script de download inclui funções auxiliares para operações comuns:

Obter Caminhos de Arquivo Comuns

from scripts.download_cosmic import get_common_file_path

# Obter caminho para arquivo de mutações
path = get_common_file_path('mutations', genome_assembly='GRCh38')
# Retorna: 'GRCh38/cosmic/latest/CosmicMutantExport.tsv.gz'

# Obter caminho para gene census
path = get_common_file_path('gene_census')
# Retorna: 'GRCh38/cosmic/latest/cancer_gene_census.csv'

Abreviações disponíveis:

• mutations - Mutações codificantes principais
• mutations_vcf - Mutações em formato VCF
• gene_census - Cancer Gene Census
• resistance_mutations - Dados de resistência a drogas
• structural_variants - Variantes estruturais
• gene_expression - Dados de expressão
• copy_number - Alterações de número de cópias
• fusion_genes - Fusões gênicas
• signatures - Assinaturas mutacionais
• sample_info - Metadados de amostra

Resolução de Problemas

Erros de Autenticação

• Verifique se email e senha estão corretos
• Certifique-se de que a conta está registrada em cancer.sanger.ac.uk/cosmic
• Verifique se uma licença comercial é necessária para seu caso de uso

Arquivo Não Encontrado

• Verifique se o caminho está correto
• Verifique se a versão solicitada existe
• Use latest para a versão mais recente
• Confirme a montagem genômica (GRCh37 vs GRCh38) está correta

Downloads de Arquivo Grande

• Arquivos COSMIC podem ter vários GB de tamanho
• Certifique-se de ter espaço em disco suficiente
• O download pode levar vários minutos dependendo da conexão
• O script mostra progresso de download para arquivos grandes

Uso Comercial

• Usuários comerciais devem licenciar COSMIC através da QIAGEN
• Contato: cosmic-translation@sanger.ac.uk
• O acesso acadêmico é gratuito, mas requer registro

Integração com Outras Ferramentas

Dados COSMIC se integram bem com:

• Anotação de variantes: VEP, ANNOVAR, SnpEff
• Análise de assinatura: SigProfiler, deconstructSigs, MuSiCa
• Genômica de câncer: cBioPortal, OncoKB, CIViC
• Bioinformática: Bioconductor, ferramentas de análise TCGA
• Data science: pandas, scikit-learn, PyTorch

Recursos Adicionais

• Site COSMIC: https://cancer.sanger.ac.uk/cosmic
• Documentação: https://cancer.sanger.ac.uk/cosmic/help
• Release Notes: https://cancer.sanger.ac.uk/cosmic/release_notes
• Contato: cosmic@sanger.ac.uk

Citação

Ao usar dados COSMIC, cite: Tate JG, Bamford S, Jubb HC, et al. COSMIC: the Catalogue Of Somatic Mutations In Cancer. Nucleic Acids Research. 2019;47(D1):D941-D947.