Cancer Cell：CPTAC发布蛋白基因组学共享数据资源

CPTAC主要从临床队列中生成全面的蛋白质组学和基因组学数据。目前，CPTAC数据集包括10个前瞻性肿瘤队列，包含基因组学、转录组学、蛋白质组学和磷酸化蛋白质组学分析，并提供了标准的临床/人口统计数据和组织学图像，例如性别、年龄、肿瘤分级及分期等。此外，为实现泛癌综合分析，保持一致性和可重复性，研究团队创建了一个数据集框架，对所有蛋白质基因组数据进行了重新处理。

CPTAC数据集是癌症研究的重要资源，基于该数据集进行深度科学探究和数据再分析是研究的一个初衷。为促进数据共享，CPTAC团队还提出了数据协调的计算方法和多种传播机制，以共享原始及处理后的数据。

图1. CPTAC泛癌数据集的肿瘤类型和数据类型。

除主题数据库外，NCI的癌症研究数据共享还包含一个与数据类型无关的资源，即癌症数据服务（CDS）。存储在CDS中的CPTAC数据包括用于泛癌症分析的所有统一的蛋白质基因组数据，以及衍生分子数据。

CPTAC由具有不同数据类型专长的多个小组组成，对同一组数据应用不同的软件工具可能会导致不同的结果。因此，基准测试对于工具的评估和选择非常重要。为比较蛋白质组学数据量化的不同方法，研究团队开发了OmicsEV，通过十多个评价指标来全面评估数据深度、数据规范化、批处理效应、生物信号、平台重现性和多组学一致性。

此外，研究团队还将CPTAC数据集连接到其他大型公共数据集中，以扩展其效用。除利用Bioconductor中众多可用的软件工具外，用户通过TCGAbiolinks工具也可以轻松访问TCGA、GENIE和MET500等资源的分子数据。

图3. 程序化访问CPTAC蛋白质基因组学。

PepQuery（http://www.pepquery.org）允许使用MS/MS数据对基因组突变进行快速和简单的蛋白质组学验证。近期，研究团队还引入了一种新的数据索引算法来提高搜索速度，并扩展了PepQuery Web服务器的数据集。在该网站，用户可用感兴趣的新肽或DNA序列直接查询CPTAC和其他MS/MS数据，以寻找支持的肽谱匹配（PSM）。 

LinkedOmics（http://www.linkedomics.org）是一个数据分析门户网站，允许使用来自TCGA和CPTAC的癌症多组学数据表征任何目标临床或分子特征。对于每一项CPTAC研究，数据库存储了超50万个属性的数据。使用三个分析模块可挖掘上述数据，以揭示遗传突变的结果，表征基因和PTM功能。

LinkedOmicsKB（https://kb.linkedomics.org）是基于LinkedOmics开发的新知识门户网站，通过一次查询即可获得单个基因和表型的预先计算结果，具有用户友好的可视化功能，便于理解。

PTMcosmos（https://ptmcosmos.wustl.edu/）是一个交互式的Web门户网站，旨在对人类PTM进行分类和可视化。该网站允许人们能够查询现有PTM位点相关文献、肿瘤和正常样本之间的丰度差异以及蛋白质结构上的PTM突变簇。

ProTrackPath（http://pancan.cptac-data-view.org/）可用于访问泛癌队列中的通路富集评分。ProTrackPath可通过单样本基因集富集分析（ssGSEA）计算不同癌症类型的通路富集评分；用户指定一个通路数据库并选择一组通路进行可视化，最终可生成一个交互式热图。

综上所述，研究团队重新处理了来自CPTAC的10个癌症队列的数据，创建了一个泛癌蛋白基因组数据集；并介绍了用于创建该数据概要的方法、数据访问的方法以及泛癌症多组学数据分析的关键等。目前，CPTAC数据库资源已公开共享，研究团队希望其能推进癌症诊断和治疗。

与此同时，CPTAC团队在Cell发表了两篇研究文章，展示了如何应用该数据集。在其中一篇文章中，研究人员使用多组学泛癌分析确定了10种癌症类型共有的致癌驱动途径（点击查看报道）。在另一篇文章中，研究团队使用该数据集分析10种癌症类型，确定了多种泛癌多组学特征，强调了PTM对已知受癌症影响的过程（如DNA修复、免疫反应、代谢、组蛋白调节和激酶调节）的贡献（点击查看报道）。