近日，由北京市神经外科研究所、首都医科大学附属北京天坛医院江涛教授团队建立的中国脑胶质瘤基因组图谱数据库（CGGA）进行了大幅度更新。目前该数据库涉及近2000例不同组织病理分类、不同WHO恶性度分级、原发/复发中国人群的脑胶质瘤的基因组学数据涵盖全外显测序数据（286例）、mRNA芯片检测数据（301例）、mRNA测序数据（1018例）、microRNA芯片检测数据（198例），以及DNA甲基化芯片数据（159例）。
图1. CGGA数据库主页
图2. CGGA数据库的数据统计及其分析结果
此外，该数据库还涉及详尽的临床资料，包括患者性别、年龄、放疗和化疗情况、最长长达4537天的随访数据等。目前，该CGGA数据库中所有数据均为全世界研究者免费开放。针对不同组学数据特点，该研究团队还开发了不同的在线可视化分析工具，包括基因突变图谱，基因表达分布，DNA甲基化模式，相关分析以及生存分析等结果进行可视化。
1.“基因突变图谱”模块–对感兴趣基因集合的突变谱进行可视化
查询页面：http://cgga.org.cn/analyse/WEseq-data.jsp
选项卡：Oncoprint
输入：
Dataset: WEseq_286
Gene List: IDH1 IDH2 CIC NOTCH1 FUBP1 TP53 PTEN ATRX
Plot Type: Primary LGG
可视化结果网址：
http://cgga.org.cn/Analyse_WEseq2Oncoprint?dataset=WEseq_286&genelist=IDH1%20IDH2%20CIC%20NOTCH1%20FUBP1%20TP53%20PTEN%20ATRX&plot_type=Primary%20LGG
可视化结果：
图3. 原发低级别胶质瘤中关键基因的突变谱
2.“基因表达分布”模块–对感兴趣基因的表达分布进行可视化
查询页面：http://cgga.org.cn/analyse/RNA-data.jsp
选项卡：Distribution
输入：
Dataset: mRNAseq_325
Gene: ADAMTSL4
可视化结果网址：
http://cgga.org.cn/Analyse_RNA2ED?dataset=mRNAseq_325&gene=ADAMTSL4
可视化部分结果：
图4. ADAMTSL4基因表达分布 (WHO分级)
图5. ADAMTSL4基因表达分布 (2016 WHO分型)
3. “DNA甲基化模式”模块–对感兴趣基因的甲基化水平进行可视化
查询页面：http://cgga.org.cn/analyse/Methyl-data.jsp
选项卡：Distribution
输入：
Dataset: Methyl_159
Gene: ALDH1A3
可视化结果网址：
http://cgga.org.cn/Analyse_Methyl2ED?dataset=Methyl_159&gene=ALDH1A3
可视化部分结果：
图6. ALDH1A3甲基化水平分布 (WHO分级)
4. “相关性分析”模块–对感兴趣基因对的共表达模式进行可视化
查询页面：http://cgga.org.cn/analyse/RNA-data.jsp
选项卡：Correlation
输入：
Dataset: mRNAseq_325
Gene: ADAMTSL4
可视化结果网址：
http://cgga.org.cn/Analyse_RNA2Corr?dataset=mRNAseq_325&geneA=ADAMTSL4&geneB=CD274
可视化部分结果：
图7. ADAMTSL4与CD274 (PD-L1) 在原发胶质瘤中的表达相关模式可视化
5. “生存分析”模块–对感兴趣基因进行生存分析可视化
查询页面：http://cgga.org.cn/analyse/RNA-data.jsp
选项卡：Survival
输入：
Dataset: mRNAseq_325；
Gene: ADMTSL4;
可视化结果网址：
http://cgga.org.cn/Analyse_RNA2Surv?dataset=mRNAseq_325&gene=ADAMTSL4
可视化部分结果：
图8. ADAMTSL4在原发胶质瘤中的预后作用可视化
脑胶质瘤是成人最常见的颅内原发恶性肿瘤。自2004年起，江涛教授开始致力于中国脑胶质瘤生物样本库的建立及其临床随访数据的收集。在我国神经外科创始人王忠诚院士的指导下，2012年江涛教授作为发起人和创建者启动中国脑胶质瘤基因组图谱计划（Chinese Glioma Genome Atlas, CGGA）。经历15年临床标本采集以及组学数据的积累，目前CGGA数据库日臻完善。据不完全统计，已有美国、欧洲等多家知名研究机构近200篇SCI论文引用该数据库。
该数据库旨在通过基因组学技术结合生物信息学分析方法，全面绘制中国人群的脑胶质瘤基因组图谱，从中探寻脑胶质瘤发生、发展过程中的驱动因子以及关键信号通路，为脑胶质瘤的分子分型和药物靶点研发提供指导和脑胶质瘤精准医学全链条的发展奠定基础，同时也让国内外更多从事脑胶质瘤的研究者可以对该数据库进行有效挖掘与利用。不断建设和完善的CGGA数据库已然走在国家医学科技创新的前列，将不断促进我国脑胶质瘤领域基础和临床研究水平的发展，并提高我国癌症研究的国际影响力，最终推动脑胶质瘤新型诊疗模式的发展，让更多脑胶质瘤患者获益。
1. Hu H, Mu Q, Bao Z, Chen Y, Liu Y, Chen J, Wang K, Wang Z, Nam Y, Jiang B, Sa JK, Cho HJ, Her NG, Zhang C, Zhao Z, Zhang Y, Zeng F, Wu F, Kang X, Liu Y, QianZ, Wang Z, Huang R, Wang Q, Zhang W, Qiu X, Li W, Nam DH, Fan X, Wang J, Jiang T.Mutational Landscape of Secondary Glioblastoma Guides MET-Targeted Trial in BrainTumor. Cell.2018 Nov 29;175(6):1665-1678.e18.
2. Bao ZS, Chen HM, Yang MY, Zhang CB, Yu K, Ye WL, Hu BQ, Yan W, Zhang W, Akers J, Ramakrishnan V, Li J, Carter B, Liu YW, Hu HM, Wang Z, Li MY, Yao K, Qiu XG, Kang CS, You YP, Fan XL, Song WS, Li RQ, Su XD, Chen CC, Jiang T. RNA-seq of 272 gliomas revealed a novel, recurrent PTPRZ1-MET fusion transcript in secondary glioblastomas. Genome Res. 2014 Nov;24(11):1765-73.
3. Zhang Y, Li J, Yi K, Feng J, Cong Z, Wang Z, Wei Y, Wu F, Cheng W, Samo AA, Salomoni P, Yang Q, Huang Y, Kang C, Jiang T, Fan X. Elevated signature of a gene module coexpressed with CDC20 marks genomic instability in glioma. Proc Natl Acad Sci U S A. 2019 Apr 2;116(14):6975-6984.
4. Shan X, Fan X, Liu X, Zhao Z, Wang Y, Jiang T. Clinical characteristics associated with postoperative seizure control in adult low-grade gliomas: a systematic review and meta-analysis. Neuro Oncol. 2018 Feb 19;20(3):324-331.
5. Wang Z, Hao Y, Zhang C, Wang Z, Liu X, Li G, Sun L, Liang J, Luo J, Zhou D, Chen R, Jiang T. The Landscape of Viral Expression Reveals Clinically Relevant Viruses with Potential Capability of Promoting Malignancy in Lower-Grade Glioma. Clin Cancer Res.2017 May 1;23(9):2177-2185.
6. Yang P, Cai J, Yan W, Zhang W, Wang Y, Chen B, Li G, Li S, Wu C, Yao K, Li W, Peng X, You Y, Chen L, Jiang C, Qiu X, Jiang T; CGGA project. Classification based on mutations of TERT promoter and IDH characterizes subtypes in grade II/III gliomas. Neuro Oncol.2016 Aug;18(8):1099-108.
7. Zhang C, Cheng W, Ren X, Wang Z, Liu X, Li G, Han S, Jiang T, Wu A. Tumor Purity as an Underlying Key Factor in Glioma. Clin Cancer Res. 2017 Oct 15;23(20):6279-6291.
8. Sun Y, Zhang W, Chen D, Lv Y, Zheng J, Lilljebjörn H, Ran L, Bao Z, Soneson C, Sjögren HO, Salford LG, Ji J, French PJ, Fioretos T, Jiang T, Fan X. A glioma classification scheme based on coexpression modules of EGFR and PDGFRA. Proc Natl Acad Sci U S A.2014 Mar 4;111(9):3538-43.
9. Yan W, Zhang W, You G, Zhang J, Han L, Bao Z, Wang Y, Liu Y, Jiang C, Kang C, You Y, Jiang T. Molecular classification of gliomas based on whole genome gene expression: a systematic report of 225 samples from the Chinese Glioma Cooperative Group. Neuro Oncol. 2012 Dec;14(12):1432-40.
10. Zhang W, Zhang J, Hoadley K, Kushwaha D, Ramakrishnan V, Li S, Kang C, You Y, Jiang C, Song SW, Jiang T, Chen CC. miR-181d: a predictive glioblastoma biomarker that downregulates MGMT expression. Neuro Oncol. 2012 Jun;14(6):712-9.
