ftp站点或通过电子工具访问的文件使用指南

背景

另请参阅我们的简介页

ClinVar数据库：

归档每个提交的分类及其支持证据，并以SCV开头的登录号
通过变量/条件组合和以RCV开头的登录号记录的档案汇总数据
按变型和以VCV开头的登录号记录的档案聚合数据
将数据库标识符、HGVS表达式和多个程序集上的位置等信息添加到VCV和RCV记录中

每个月的第一个星期四，ClinVar的完整数据集以XML文件的形式发布到FTP站点，这些XML文件由变量（VCV记录）或变量条件（RCV记录）聚合而成。这些文件将无限期存档。

XML文件每周也会在周一发布到FTP站点。这些文件只保留到下一个月发布为止。

VCV文件

https://ftp.ncbi.nlm.nih.gov/pub/clinvar/xml/ClinVarVCVRelease_00-latest.xml.gz
- 这是2024年1月引入的新XML格式
https://ftp.ncbi.nlm.nih.gov/pub/clinvar/xml/VCV_xml_old_format/ClinVarVariationRelease_00-latest.xml.gz
- 这是旧的XML格式；它将在2024年逐步淘汰，但至少保留到3月底

VCV版本中的每个记录（VariationArchive元素）表示VCV数据的聚合。

每个提交的记录（SCV）都由一个ClinicalAssertion元素表示。
在每个临床评估要素中，提交分类的证据以ObservedIn要素表示。

RCV文件

https://ftp.ncbi.nlm.nih.gov/pub/clinvar/xml/RCV_release/ClinVarRCVRelease_00-latest.xml.gz
- 这是2024年1月引入的新XML格式
https://ftp.ncbi.nlm.nih.gov/pub/clinvar/xml/RCV_xml_old_format/ClinVarFullRelease_00-latest.xml.gz
- 这是旧的XML格式；它将于2024年逐步淘汰，但至少要保留到3月底

RCV版本中的每个记录（ClinVarSet元素）都包含一个ReferenceClinVar Assertion元素，该元素表示RCV数据聚合。

每个提交的记录（SCV）都由ClinVarAssertion元素表示。
在每个ClinVarAssertion中，提交分类的证据以ObservedIn元素表示。

ClinVar中表示的变体的定义

变体和变体集

ClinVar中的绝大多数分类是针对单个变体的。有些情况下，分类是针对一组变体，如单倍型或基因型。因此，ClinVar中的所有变体都被视为变体集，即使大多数变体集只有一个成员。

ClinVar变体ID表示变体集；ClinVar等位基因ID表示集合中的每个单独变体。阅读ClinVar中标识符的更多信息。

变体的基因组坐标

ClinVar计算偏移量为1的变量的位置。请注意，XML（SequenceLocation元素）和制表符分隔文件中报告位置的约定与HGVS命名法一致（即右移），而VCF文件中的位置符合VCF标准（即左移）。换句话说：

对于不在重复区域的单核苷酸变体，基于VCF或HGVS的位置与核苷酸位置相匹配
对于重复区的插入、重复和缺失，左对齐（VCF）和右对齐（HGVS）的不同约定会使文件中等位基因位置的定义看起来不一致

无基因组坐标的变体

ClinVar中的少量记录报告了尚未映射到基因组坐标的变体。这有几个原因，按频率降序排列如下。

ClinVar代表OMIM处理等位基因变体记录，直到最近，大多数等位基因变异体记录都不包含变异体的可计算序列定义。ClinVar没有资源来研究所有这些来定义变体，但我们的员工试图减少差距的数量。
变异最初是根据cDNA分析确定的，没有证据表明序列改变的基因组基础。一个例子是外显子缺失，没有证据表明基因组缺失或单核苷酸变化会影响剪接连接。
未验证序列定义而接受非OMIM来源的提交。这些记录很旧；ClinVar不再接受无法映射到基因组的变体。
数据库维护错误

XML文件

VCV XML

在每个变体档案/分类记录中，分类的变体或变体集由以下元素之一表示：

SimpleAllele–用于单个变体的分类；ClinVar中的大多数记录都是针对单个变体的
单倍型——用于单倍型的分类；这不常见
基因型——用于基因型的分类，复合杂合子或二倍体；这不常见

在单倍型和基因型元件中，集合中的每个单个等位基因都由一个SimpleAllele元件表示。

RCV XML

路径//ReferenceClinVarAssertion/MeasureSet包含ClinVar积累的关于任何已分类变体或变体集的所有数据。大多数集合包含单个变量。

集合中的每个单个等位基因都在路径//ReferenceClinVarAssertion/MeasureSet/Measure中描述。

由于RCV记录代表一个变量/条件对，因此可以在多个RCV中报告相同的/MeasureSet。每个实例将具有相同的ID值。要查找变体的所有数据，我们建议改用VCV XML。

差异_摘要

以tab分隔的文件variant_summary.txt代表ClinVar中在基因组上有位置的所有变体。但是，该文件仅包含有关每个变量的选定元数据。此文件中的位置与HGVS表达式一致。该文件将于本月第一个星期四发布。

Entrez文件摘要

ClinVar数据可以通过以下方式访问电子工具、Entrez的编程工具.ClinVar的文档摘要由esummary命令访问，其结构围绕变体ID。

有关从esummary请求生成的xml的注释示例，请参阅

这些报告中的位置与HGVS的表达一致。

XML和JSON格式的当前视图：

http://eutils.ncbi.nlm.nih.gov/enterz/eutils/esummary.fcgi？db=clinvar&id=9&retmode=json

http://eutils.ncbi.nlm.nih.gov/enterz/eutils/esummary.fcgi？db=clinvar&id=9/retmode=XML

http://eutils.ncbi.nlm.nih.gov/enterz/eutils/esummary.fcgi？db=clinvar&id=1904&retmode=json

http://eutils.ncbi.nlm.nih.gov/enterz/eutils/esummary.fcgi？db=clinvar&id=1904&retmode=xml

VCF（沃尔沃汽车金融公司）

ClinVar的VCF文件包括长度小于10 kb的简单等位基因（非单倍型或基因型）变体，其精确终点映射到GRCh37或GRCh38人类基因组组合。其他变体不在范围内，包括细胞遗传学变体、具有内部和/或外部启动和停止坐标的拷贝数变体，以及大于10 kb的变体。

查找变量的数据

无论条件如何，变量聚合的数据都可以在以下位置访问：

VCV XML文件（见上文）
VCV网页
VCF文件（见上文）
通过esearch访问的Entrez文档摘要（参见上文）
以tab分隔的文件variantsummary.txt（参见上文）

查找变量和特定条件的数据

方差条件对聚合的数据只能在RCV XML中访问（见上文）。

根据个人评估或功能数据寻找证据

一些提交文件包括对测试个体或功能数据的详细描述，作为对变体的观察。此数据仅在ObservedIn元素下的ClinVar XML文件中表示。

例如，在个体中观察到的表型表示为/ObservedIn/TraitSet。

交叉引用摘要

tab-delimited目录中的两个文件报告ClinVar的AlleleID和VariationID以及其他数据库之间的交叉引用。

变量转换.txt(https://ftp.ncbi.nlm.nih.gov/pub/clinvar/tab_delimited/var_cations.txt%20)报告PubMed标识符以及来自dbSNP和dbVar的ID。
交叉引用.txt提供dbSNP和dbVar的标识符，以及上次修改它们的时间。

ClinVar公司

将变异与医学联系起来