OncoKB — 全球首个获 FDA 认可的肿瘤体细胞变异临床注释知识库

INFOBOX — OncoKB 一屏速览

维度	内容
本质	体细胞变异临床注释知识库（knowledge base）——不是测序数据集，而是给测序结果「配说明书」的证据层
运营方	Memorial Sloan Kettering Cancer Center（MSK）Marie-Josée and Henry R. Kravis 分子肿瘤中心
首篇论文	Chakravarty D, Gao J, et al. JCO Precis Oncol. 2017;2017:PO.17.00011（PMID 28890946）
方法论论文	Suehnholz SP et al. Cancer Discov. 2024;14(1):49-65（doi:10.1158/2159-8290.CD-23-0467）
规模	1,033 genes / 11,515 alterations / 143 cancer types / 171 drugs（2026-10-03 官网首页）
Levels 分布	Level 1: 59 / Level 2: 33 / Level 3: 38 / Level 4: 32 / R1+R2: 15（按基因计，2026-10-03）
证据体系	Levels of Evidence 七档（1 / 2 / 3A / 3B / 4 / R1 / R2），与 AMP/ASCO/CAP 2017 tiering 共识 Tier I-IV 1:1 对齐
oncogenic effect	Oncogenic / Likely Oncogenic / Predicted Oncogenic / Neutral / Unknown 五分类
FDA 地位	2021-10-07 partial recognition——全球首个获 FDA 认可的 somatic human variant database，且官方页声明「first and remains the only」
治理	CGAC（Clinical Genomics Annotation Committee）多学科委员会逐周审阅新增注释
更新节奏	月度 release + Oncology Therapies 页面 bi-monthly 更新 + FDA/NCCN 相关即时更新与年终总结
获取	网页全量公开可读｜REST API（Bearer token，学术免费）｜全量 JSON 快照仅签约用户
许可	四种合同制：Academic 免费 / Research in Commercial / Hospital / Commercial（后三者付费）
API	Base URL https://www.oncokb.org/api/v1（Bearer token）｜api-access 页申请｜学术免费、商业签约
代码	oncokb/oncokb（Java，AGPL-3.0，v4.5.0 2025-11-24，229 releases）；oncokb-annotator（Python）；oncokb-public（TS 前端）
评估	Suehnholz 2024：47,271 例 MSK-IMPACT 队列，standard care 覆盖 8.9%→31.6%（2017 版 vs 2022 版）
生态	cBioPortal 内建注释端口；2026-09-16 官宣与 OpenEvidence 双向集成（MSK Epic + 临床问答）
库内互链	cbioportal(413) / civic(309) / msk-impact(423) / clinvar(136) / cosmic(128) / pharmgkb(374) 等

OncoKB 是一个「给肿瘤测序结果配官方说明书」的知识库：全世界的肿瘤_panel 每天测出海量体细胞变异，但一条 EGFR L858R 和一条无名变异摆在面前，临床团队真正要问的是四件事——这条变异致癌吗？有什么药能用？证据有多硬？会不会耐药？OncoKB（Oncology Knowledge Base）把这四问的答案做成了结构化的循证注释体系，由 Memorial Sloan Kettering Cancer Center（MSK）维护，覆盖 1,033 个基因、11,515 条变异注释、143 种癌种与 171 种药物（2026-10-03 官网口径）。它是全球首个获得美国 FDA 认可的体细胞变异数据库（2021 年 10 月，partial recognition），也是 cBioPortal 注释功能的默认引擎——在精准肿瘤的证据基础设施里，它是离临床决策最近的那一层。

导语读法三则：

1. 只想调 API 注释数据：直奔 §6 获取与许可——注意 token 要机构邮箱申请、商业用途要签协议，别把学术免费当成全场景免费。
2. 关心证据分级怎么定的：直奔 §3 Levels 体系与 §5 治理流程——七档定义、AMP/ASCO/CAP 对齐表、CGAC 周审机制三段连读。
3. 要引用规模数字：先读 §4 时间线与坑 3、坑 8——任何数字必须带「as of」日期，「5,000+」与「11,515」是两套口径。

§0 导读：这个知识库解决什么问题

肿瘤精准医疗的入口是测序，出口是用药决策，但中间隔着一条公认的「解读鸿沟」：一个典型肿瘤 panel 能报出数十到数百条体细胞变异，其中绝大多数的临床意义要么未知、要么散落在数百篇文献里。2017 年 OncoKB 首篇论文给出的基线测量是：5,983 个 MSK-IMPACT 肿瘤样本中，41% 携带至少一条 oncogenic alteration，但只有 7.5% 的样本能映射到当时最高证据等级（Level 1）的治疗方案——也就是说，测出来的致癌变异与可执行的用药证据之间存在数倍的落差。这条鸿沟不是靠某个算法能填平的：它需要有人逐条读文献、逐条定级、逐条接受多学科委员会质询，然后以机器可读的结构发布。OncoKB 做的正是这件「劳动密集但不可替代」的事。

它的回答分四层。第一层是分类：每条变异先按 oncogenic effect 归入五档——Oncogenic（致癌）、Likely Oncogenic（很可能致癌）、Predicted Oncogenic（预测致癌）、Neutral（良性/无致癌性）、Unknown（未知），这一步回答「是不是坏蛋」。第二层是定级：对有治疗含义的变异按 Levels of Evidence 七档（1 / 2 / 3A / 3B / 4 / R1 / R2）定级——从「FDA 已批准用于该癌种」到「仅生物学证据支持」，并据实标记耐药证据（R1/R2），这一步回答「证据有多硬」。第三层是治理：MSK 的 CGAC 多学科委员会逐周审阅新增注释，月度发布 release，让知识库像药品说明书一样有版本、有生效日期。第四层是监管背书：2021 年 10 月 FDA 以 partial recognition 方式认可 OncoKB 为体细胞变异数据库——FDA 在审批肿瘤药物时引用 OncoKB 特定内容不再需要额外佐证，这是全球首例，官方页至今声明「first and remains the only」。

顺带指出这个四问框架在算法时代的另一重含义：它恰好是一条变异注释流水线的标准四步——变异效应分类器（步骤一，机器学习密集区）、治疗匹配与定级（步骤二，检索+裁决区）、版本治理（步骤三，工程区）、监管合规（步骤四，法务区）。OncoKB 把四步全部收进人工策展；而 2020 年代大量「自动注释工具」只做了步骤一的模型化、把步骤二到四静默留空——这正是评估任何「AI 变异注释产品」时的快速检验清单：后三步有没有人负责，是产品还是 demo 的分水岭。

§0 读法三则：

1. 这个条目的对象是知识库而非传统「数据集」：它的「样本」是基因-变异-癌种三元组的注释记录，它的「标注」本身就是产品本体——DAIMS 评估（附录 B）按此口径执行。
2. 全文核心数字均带时点：官网首页数字为 2026-10-03 实抓快照，历史数字（2017 论文 / 2021 FDA 新闻稿 / 2024 ASCO 摘要）构成四点时间序列（§4），两套 MSKCC 宣传口径差异已在坑 3 存照。
3. 检索时注意名称家族：OncoKB（知识库本体）、oncokb-annotator（Python 注释客户端）、oncokb/oncokb（Java 后端仓库）是三个不同东西，混用会搜错仓库（坑 1）。

§1 数据集速览：十问十答

Q1：OncoKB 到底是什么？
一个由 MSK 维护的精准肿瘤知识库（Precision Oncology Knowledge Base）：对肿瘤体细胞变异逐条给出 oncogenic effect 分类与 therapeutic / diagnostic / prognostic implications，therapeutic 条目按 Levels of Evidence 七档定级。它不是测序数据集，不存放 reads 或 VCF 原始文件——它是给这些文件里的变异「配说明书」的证据层。

Q2：现在有多大？
2026-10-03 官网首页实抓：1,033 Genes、11,515 Alterations、143 Cancer Types、171 Drugs。证据分布（按基因计）：Level 1 有 59 个、Level 2 有 33 个、Level 3 有 38 个、Level 4 有 32 个、resistance（R1+R2）15 个。注意这些数字随月度 release 滚动增长，引用必须带日期（坑 8）。

Q3：Levels 七档怎么分？
Level 1：FDA 已批准、针对该癌种的疗法（约等于 AMP/ASCO/CAP Tier I）；Level 2：标准治疗（指南推荐或 FDA 批于其他癌种）；Level 3A/3B：临床试验证据（3A 为该癌种中的有力临床证据，3B 为与变异状态无关的标准治疗）；Level 4：仅有生物学证据。R1/R2 是耐药轴线：分别基于临床与生物学证据的耐药标记。七档与 AMP/ASCO/CAP 2017 共识的 Tier I-IV 1:1 对齐（§3.2 对照表）。

Q4：谁在维护，怎么保证质量？
MSK Kravis 分子肿瘤中心。日常策展由专职 curators 执行，新增与修订注释经 CGAC（Clinical Genomics Annotation Committee）——一个多学科专家委员会——逐周审阅后生效；FDA 认可审查覆盖注释内容、分级映射、验证流程、管理政策、治理与利益冲突六项（SOP v4.1，§7.2）。

Q5：注释的证据从哪来？
三源汇流：同行评审文献的逐条策展、MSK-IMPACT 临床测序项目的院内实践反馈、以及 FDA 批准与 NCCN 指南变动的系统扫描（Oncology Therapies 页面即由此而来，bi-monthly 更新）。2024 年 ASCO 摘要口径：1998-2024 年 217 个新获批肿瘤药物中 83.4% 为 targeted——这条管线就是要把这类批准第一时间转成注释。

Q6：「FDA 认可」到底是什么范围？
partial recognition：仅 FDA-Recognized Content 标签页内的条目享受 FDA 认可信件，其余内容不在认可范围。官方 FAQ 原文口径是「FDA Recognized Content tab 中标注的条目被视为 FDA 认可」——把全库读成 FDA 认可是最常见也最危险的误读（坑 2）。

Q7：怎么拿到数据？
三条通道：① 网页——全部注释公开可读，零门槛；② API——https://www.oncokb.org/api/v1，Bearer token 认证，学术用途免费但需机构邮箱申请、管理员批准；③ 数据快照——全量 JSON 下载仅限签约用户。另有开源客户端 oncokb-annotator（Python）可程序化批量注释（§6.4）。

Q8：免费与付费的边界在哪？
学术免费（Academic license，注册审批制）；Research in Commercial、Hospital、Commercial 三档需签协议付费。代码开源是另一回事：oncokb/oncokb 等仓库按 AGPL-3.0 开放——数据合同制、代码 AGPL，两条线别混（坑 4）。

Q9：这套注释真的改变了临床实践吗？
有定量证据：Suehnholz 2024（Cancer Discovery）用 47,271 例 MSK-IMPACT 实体瘤对照 OncoKB 2017 版与 2022 版——standard care 覆盖率从 8.9% 升到 31.6%，nonactionable 比例从 44.2% 降到 22.8%；最高频 altered genes 为 TP53（43.2%）、KRAS（19.2%）、CDKN2A（12.2%）（§7.1）。

Q10：为什么它对 AI-Ready 重要？
它是「高价值医学知识如何机器可读」的标杆样本：结构化 REST API + JSON schema + 开源注释客户端（oncokb-annotator）+ cBioPortal 内建集成，让 LLM/RAG 系统与注释流水线都能程序化消费；同时它的合同制许可与 partial recognition 边界又示范了「技术开放」与「法律开放」必须分开评估——这正是 AI-Ready 评估的两条正交轴。

§2 数据构成与规格

2.1 四个核心计数与证据分布

OncoKB 的「数据量」用四个计数描述，全部来自官网首页实时统计（2026-10-03 实抓快照）：

计数维度	数值	含义
Genes	1,033	有注释覆盖的基因总数
Alterations	11,515	变异条目总数（点突变/indel/扩增/缺失/融合等）
Cancer Types	143	覆盖的癌种分类数
Drugs	171	注释中关联的治疗药物数

证据等级的基因级分布（同期官网 Levels 页口径）：

证据等级	基因数	一句话定义
Level 1	59	FDA 已批准、针对该癌种的疗法
Level 2	33	标准治疗（指南支持或批于其他癌种）
Level 3	38	临床试验证据（3A/3B 两亚档）
Level 4	32	生物学证据
R1 + R2	15	耐药轴线（临床/生物学证据的耐药标记）

四组数字的正确打开方式：第一个表回答「库有多大」，第二个表回答「证据有多硬」。1,033 个基因里只有 59 个达到 Level 1（约 5.7%）——这个「漏斗形」分布本身就是精准肿瘤现状的写照：绝大多数致癌变异距离可执行的治疗证据还很远。

如何自行验证这些数字：官网首页四个计数是实时渲染的（每次 release 后变动）；学术引用时的验证路径是——官网首页截图存档（带日期）+ API meta 类端点返回的计数 + 网页源码中的统计字段，三者互相印证。第三方媒体转载的数字一律视为二手口径，直接以官网为准；论文里的数字属于「发表时点快照」，与官网不可比也不应互改。

2.2 注释对象与 oncogenic effect 五分类

OncoKB 的基本记录单元是「基因-变异-癌种」三元组上的注释。每条变异首先按 oncogenic effect（致癌效应）归入五档：

分类	含义	典型场景
Oncogenic	已确证的致癌变异	EGFR L858R（NSCLC）
Likely Oncogenic	证据强但未达「确证」标准	新发热点突变但功能研究尚不完整
Predicted Oncogenic	由变异类型/位置推断的致癌性	未 characterize 的激酶域截断突变
Neutral	有证据支持的非致癌变异	已知乘客突变热点
Unknown	意义未明	证据不足或相互矛盾

三点使用须知：

1. Predicted Oncogenic 是 OncoKB 特有的实用档位——对没有直接文献的功能推断变异给出「预测致癌」标签，这在其他知识库里通常被并入 VUS（意义未明变异），OncoKB 的细分给了注释流水线更细的处理粒度。
2. Neutral 与 Unknown 也在库里：知识库不是「可用药变异清单」，做药靶挖掘或致癌性预测模型时必须先按 oncogenic effect 过滤，把 Neutral/Unknown 当负样本或排除项（坑 6）。
3. oncogenic effect 与 Levels 正交：前者是「是否致癌」，后者是「治疗证据多硬」。一条 Likely Oncogenic 变异可以没有任何 therapeutic implication；一条 Oncogenic 变异的用药建议也可能只到 Level 4。

2.3 变异类型与 biomarker 覆盖

注释对象不限于单点突变，覆盖肿瘤 panel 常报的全部变异类型：

• SNV / indel：点突变与插入缺失，主体部分；
• 扩增（amplification）/ 缺失（deletion）：拷贝数变异，如 ERBB2 扩增、CDKN2A 纯合缺失；
• 融合（fusion）：如 ALK、RET、NTRK 融合；
• 跨癌种 biomarker：MSI-H（微卫星不稳定性高）与 TMB-H（肿瘤突变负荷高）——2024 年 ASCO 摘要口径下，FDA 认可的泛癌种 biomarker 即为 52 个基因 + MSI-H + TMB-H 的组合。

对每个变异-癌种组合，注释内容包括四类字段：

字段类型	内容	举例
oncogenic effect	五分类致癌效应	Oncogenic
therapeutic implications	药物 + 癌种 + 证据级 + FDA 状态	Osimertinib，Level 1，FDA-approved
diagnostic implications	诊断分型含义	作为特定综合征/亚型的诊断标志
prognostic implications	预后含义	提示不良预后
mutation effect	变异的分子功能后果（gain-of-function 等）+ prevalence	Gain-of-function

2.4 与 cBioPortal 的耦合：注释长在哪里

OncoKB 与 cBioPortal（MSK 同门开发的癌症基因组可视化平台，库内条目 rid 413）是「引擎与仪表盘」的关系：cBioPortal 的 OncoKB 注释功能直接内建——用户在 cBioPortal 里点击任何突变，右侧面板展示的就是 OncoKB 实时返回的 oncogenic effect 与 Levels 徽章。工程上这通过 OncoKB 公开 API 实现，cBioPortal 实例配置自己的 token 即可启用。这层耦合对使用者的含义：如果你的数据已经在 cBioPortal 里，不需要自己写注释流水线，打开开关就有 OncoKB 注释；反之若要脱离 cBioPortal 独立集成，用 oncokb-annotator（§6.4）。

2.5 口径存照：「5,000+」与「11,515」同时在线

本条目抓取时点（2026-10-03/04）存在两套官方口径同时在线：

• MSKCC 宣传页：「5,000+」levels/altered genes，另有「Nearly 7,000 clinical trials」一说；
• OncoKB 官网首页：11,515 alterations / 1,033 genes。

两者不矛盾但统计口径不同：宣传页的「5,000+」更接近「有 Levels 定级的注释条目」或历史宣传口径的延续，而首页 11,515 是全部 alterations（含未定级注释）。本条目正文以官网首页数字为准，宣传页数字在引用时必须注明口径与来源页面。这类「同一机构两套数字」在月度 release 的知识库里是常态而非异常（坑 3）。

2.6 「记录」的形态：知识库不是表格数据集

对习惯「行=样本」的数据集使用者，OncoKB 的形态需要一次思维转换：它的「记录」是注释声明（assertion），主键是「基因/变异/癌种」，一条记录的「值」是分类标签 + 证据引用 + 治疗建议的自然语言与结构化混合体。AI 就绪的形态是 API/JSON（§6），而非一张可以直接 join 的大表——官方不提供全量公开快照，公开渠道的批量获取只能靠 API 逐基因拉取（受速率限制）或签约下载快照。这决定了 OncoKB 在 DAIMS 评估中「可发现性高分、可获取性中分」的格局（附录 B）。

2.7 一条注释的全字段解剖：以 EGFR L858R 为例

把「注释长什么样」落到一条真实变异上。EGFR L858R（非小细胞肺癌的经典热点突变）在 OncoKB 里的注释结构（字段按 API/网页呈现顺序，数值以官网实时口径为准）：

字段	内容（示意）	解读
gene	EGFR	基因主键
variant	L858R（p.Leu858Arg）	错义点突变，激酶域激活突变
oncogenicity	Oncogenic	五分类最高档——NSCLC 腺癌中最经典的驱动突变之一
mutation effect	Gain-of-function	分子功能层面：激酶活性增强
prevalence	NSCLC 腺癌中约 10-15%（文献区间）	人群频率背景
therapeutic（Level 1）	Osimertinib 等 EGFR TKI，NSCLC，FDA-approved	本癌种内有药有证——「说明书」的核心行
therapeutic（其他级）	各代 TKI 的跨级排列，含 combinations	同一变异可挂多条治疗行，各带各的等级
resistance（R1）	对第一/二代 TKI 的获得性耐药场景（如 T790M 语境）	耐药轴独立标记
diagnostic	支持 NSCLC 分子分型路径	诊断含义
prognostic	视具体场景	预后含义

三点结构性观察：

1. 一条变异 = 多条治疗行 × 各自等级：「EGFR L858R 是 Level 1」是省略说法——准确结构是「L858R 在 NSCLC 中对 Osimertinib 的注释为 Level 1」，等级挂在「变异-药-癌种」三元组上。
2. 敏感行与耐药行并存：治疗行列表里既有敏感证据也有 R1/R2 耐药证据，消费方（医生/算法）需要自己完成「排序」这最后一步。
3. FDA 状态逐行标记：不是「这个基因 FDA 批过」，而是每条治疗行各自标注 FDA-approved 或 off-label——这正是 FDA-Recognized Content 能按条目切分的技术基础。

2.8 变异类型 × 癌种覆盖：矩阵的密度分布

11,515 条 alterations 摊在 1,033 × 143 的「基因 × 癌种」矩阵上，密度分布极不均匀：

• 头部基因高密度：EGFR、BRAF、ERBB2、KRAS、BRCA1/2 等热点基因在数十个癌种语境下各有注释行——头部 50 个基因贡献了库里大部分「变异 × 癌种」组合；
• 长尾基因低密度：相当比例的基因只有 1-2 个癌种语境的注释——它们通常因为「某种罕见癌种的标志物」或「某个新兴靶点」入库；
• 癌种侧同样偏斜：NSCLC、乳腺癌、结直肠癌、黑色素瘤等「精准肿瘤成熟癌种」的注释密度远高于罕见瘤种——这与 FDA 批准与临床试验的分布一致，不是策展偏好。

对使用者的含义：用 OncoKB 做「全癌种均匀覆盖」的统计推断（如泛癌种致癌率对比）时必须按密度加权或分层抽样，直接全库统计会被头部基因/癌种的双重偏斜支配。

2.9 诊断与预后轴线：治疗之外的两种临床价值

therapeutic implications 是 OncoKB 的主轴，但 diagnostic 与 prognostic 两条轴线承担了「治疗不可及变异」的临床价值出口：

• 诊断轴（diagnostic implications）：变异作为疾病分类/分型标志的证据。典型场景：组织学 ambiguous 的肿瘤中，特定融合/突变支持特定诊断亚型——这类注释帮助病理医生「定名」，即使没有对应靶向药。WHO 肿瘤分类逐版吸纳分子标志物，诊断轴的引用需求随之持续上升。
• 预后轴（prognostic implications）：变异对自然病程/常规治疗结局的预测。典型场景：TP53 突变在多数癌种中的不良预后信号——「不可成药但可分层」，预后注释是风险分层模型与临床试验分层设计的直接输入。

三条轴线合起来的产品逻辑：任何一条入库变异都必须「有用」——或可治（therapeutic）、或可辨（diagnostic）、或可判（prognostic），三者皆无的变异不会占用 CGAC 的裁决时间。这个「入库价值门槛」解释了为什么库里 11,515 条 alterations 相对全外显子组可测变异空间仍是极小的子集：OncoKB 是「临床价值过滤器」，不是「变异百科全书」。

对下游建模的提示：诊断/预后行没有 Levels 式的七档分级（ therapeutic 专属），证据强度以文字描述承载——做结构化抽取时这两轴的置信度建模要单独设计。

§3 Levels of Evidence：七档证据体系

3.1 七档定义

OncoKB 的核心产品是 Levels of Evidence——对「某变异在某癌种中对某药敏感」这类 therapeutic 声明的证据强度分级。现行七档：

等级	官方定义（意译）	通俗读法
Level 1	FDA 已批准、针对该癌种的疗法；biomarker 被 NCCN 或其他专业指南推荐	「有药有证，就在本癌种」
Level 2	基于 FDA 批准用于其他癌种的治疗推荐，或专业指南对该癌种的推荐	「有药有证，但是借来的」
Level 3A	有力临床证据支持该 biomarker 在该癌种中预测治疗响应	「临床试验在做，证据不错」
Level 3B	该癌种的标准治疗或 FDA 批准疗法，但与变异状态无关	「药是好药，跟这个变异关系不大」
Level 4	生物学证据支持该 biomarker 预测治疗响应	「机制上说得通，临床上还没证」
R1	有力临床证据支持的、对 FDA 已批准疗法的耐药	「临床证实会耐药」
R2	生物学证据支持的耐药	「机制上会耐药」

四点解读：

1. Levels 是「药-变异-癌种」三元组的属性，不是基因的属性——同一基因在不同癌种的注释可以落在完全不同的等级（官网 Levels 页按基因展示的是其最高等级）。
2. R1/R2 是独立于 1-4 的耐药轴线：一条变异可以同时携带 Level 1 敏感药与 R1 耐药标记（如 EGFR T790M 之于第一代 TKI 的经典叙事），耐药信息直接决定用药排序。
3. Level 3B 最容易被误读：它标记的是「标准治疗与变异无关」的场景——存在这个等级本身就是一种信息（告诉临床「别拿这个变异当用药依据」），把它当正向证据是常见错误。
4. 七档覆盖了从监管批准到纯机制推演的完整谱系，且每档都要求注释附具体证据文献——等级不是评分卡的输出，而是委员会对文献的逐条裁决。

3.2 与 AMP/ASCO/CAP 2017 共识的对齐

2017 年 1 月，AMP（分子病理学协会）/ASCO（美国临床肿瘤学会）/CAP（美国病理学家协会）联合发布肿瘤体细胞变异解读分级标准（tiering consensus）。OncoKB 的 Levels 体系与其 1:1 对齐：

OncoKB Level	AMP/ASCO/CAP Tier	共同逻辑
Level 1	Tier I	监管/指南级别的强证据（A 级）
Level 2	Tier II	标准 care 级证据（B 级）
Level 3A / 3B	Tier III	临床试验/弱临床证据（C 级）
Level 4	Tier IV	生物学证据（D 级）
R1 / R2	（共识的耐药注记）	OncoKB 将耐药独立成轴

这种对齐不是巧合：两套体系出自同一个「让体细胞变异解读可比较」的诉求，OncoKB 团队也深度参与了共识讨论。对使用者的实际意义：引用 OncoKB 等级时可无缝换算成共识 tier 表述——写论文、报监管时用 tier 语言，做注释流水线时用 Levels 语言，两者可互译。

关于「1:1 对齐」的两点精确化：①对齐的是等级结构的映射关系，不是判定流程——AMP/ASCO/CAP 共识面向临床实验室出报告（胚胎/种系/体细胞统一处理），OncoKB 面向治疗决策（纯体细胞），两者的证据归档逻辑在细节上并不逐条等价；②共识本身随年份修订，OncoKB 的 Levels 也随 release 演进——引用对齐关系时锁定两个体系各自的时间点，别拿 2024 版 Levels 对 2017 版共识做逐字比较。

3.3 FDA-Recognized Content：认可范围的红线

2021-10-07，FDA 给予 OncoKB partial recognition——官方页面的原文口径是 OncoKB 是「first and remains the only」获认可的 somatic human variant database。这个认可的实际范围必须精确理解：

1. 只覆盖 FDA-Recognized Content 标签页内的条目：官网把受认可内容单独成 tab，其余内容不享受认可信件的效力；
2. 认可的对象是「数据库」这个体系：FDA 审查的是 OncoKB 的注释内容、Levels 映射、验证流程、管理政策、治理结构与利益冲突管理六项（审查 SOP v4.1），认可后 FDA 在药物审评中引用 OncoKB 特定内容时不再需要额外佐证；
3. 对行业的含义：伴随诊断（companion diagnostic）申报、药物标签中引用变异证据时，OncoKB FDA-Recognized Content 成为可指名的权威来源——这把「文献说法」升级成了「监管可引用的数据库说法」。

红线总结：「FDA 认可 OncoKB」是省略说法，完整说法是「FDA 认可 OncoKB 的 FDA-Recognized Content 子集及其生产体系」。全库认可既不是事实，也从来不是 partial recognition 的设计意图（坑 2）。

认可在实务中的使用顺序（监管事务视角）：①确认你要引用的「变异-药-癌种」组合在 FDA-Recognized Content tab 内（tab 外引用不享受认可效力）；②记录引用时点的 release 版本；③申报文书中用完整句式并附认可信件语境；④若该组合恰在最近 release 中变动（升级/新增），核对 FDA 侧引用的是认可时的冻结版本还是最新版本——两种口径都存在，按审评方要求对齐。

3.4 等级体系的使用守则

• 按癌种取值：任何「某基因是 Level 几」的问法都必须补上癌种才有答案；
• 敏感-耐药合读：先看 1-4 轴的敏感证据，再看 R1/R2 的耐药标记，两者合成用药排序；
• 等级即日期：月度 release 意味着等级会变——2024 年的 Level 4 变异可能因新试验升到 Level 2，跨时间比较时锁定 release 版本；
• 与 CIViC 的差别：CIViC（库内 rid 309）用 A/B/C/D 四级证据加社区策展，粒度与治理模式都不同——两库对同一变异给不同等级是正常的，需要读各自的定级理由而非只看结果。

3.5 等级判定的四个边界案例

Levels 定义读起来工整，落到真实证据形态上就有大量边界情形。四个典型：

1. 「FDA 批了，但不是靠这个 biomarker 批的」：某药在某癌种获批但适应证不依赖变异选择——这时同癌种的治疗建议落 Level 3B（标准 care 但与变异无关），而不是想当然的 Level 1。Level 1 要求 biomarker 参与了批准或指南推荐逻辑。
2. 「FDA 批的是同基因不同变异」：EGFR 外显子 19 缺失与 L858R 同属 Level 1，但 EGFR S768I 这类罕见变异可能只借到「同类变异、同类药」的 Level 2——等级跟变异走，不跟基因走。
3. 「跨癌种借药」的升格路径：某药在癌种 A 获批（Level 1），在癌种 B 只有病例系列证据——癌种 B 语境下该注释最多 Level 2 或 3A，直到 B 语境拿到自己的批准/指南。理解这条路径就理解了为什么「药物批准 → 注释改级」存在一个可预测的滞后窗口。
4. 耐药升轴：原本 Level 1 的敏感注释在获得性耐药场景下不改级、而是新增 R1 行——敏感与耐药在库里是并行不悖的两条记录，临床解读时靠时间顺序（一线/二线）区分。

这四个案例的共同教训：等级查询必须给全三元组（变异 + 癌种 + 药物语境），任何「基因 + 等级」的二维查询都会系统性误读。

3.6 与 CIViC 证据体系的粒度对照

OncoKB Levels 与 CIViC 的 A-D 级（以及 CIViC 引用的 AMA 2021 分级）常被拿来互译，但粒度结构不同：

对照点	OncoKB	CIViC
治疗证据主轴	1 / 2 / 3A / 3B / 4（五档 therapeutic）	A / B / C / D（四级）
耐药处理	独立 R1/R2 轴	耐药作为证据方向并入主轴
「与变异无关的标准治疗」	单列 3B（反向标记）	无对应档（通常不入库）
判决主体	MSK CGAC 委员会	注册社区贡献者 + 编辑审核
版本化	月度 release 整体版本	条目级渐进修订
对应关系（粗）	1→A；2→B；3A→C；4→D	A→1；B→2；C→3A；D→4

互译的实用规则：粗对照可用，但3B 与 R1/R2 没有干净的 CIViC 对应——做两库融合（例如给 LLM 构建统一证据层）时，这两类信息必须保留来源体系标签，强行归一会丢信息。这组粒度差异也是「机构策展」与「社区策展」哲学差异的直接体现：前者愿意为「反向知识」与「耐药时序」付出分类学成本，后者以最小闭环换取开放贡献的门槛。

3.7 官网 Levels 页的正确读法

官网 Levels 页（按基因列表）有三个容易误读的展示逻辑：

1. 基因只显示最高等级：EGFR 显示 Level 1，不代表其全部变异都是 Level 1——S768I 类罕见变异可能只有 Level 2 注释。页面是「基因的营销摘要」，不是「等级的完整索引」。
2. R1/R2 与 1-4 并列展示：同一基因可能同时出现在「sensitivity」与「resistance」两个列表——这不是矛盾，是双轴设计的必然呈现。
3. 计数是活的：59/33/38/32/15 的分布随每次 release 滚动——引用时锁定日期，别引用「上周的截图」对比「今天的页面」。

需要完整等级索引的场景（如建注释流水线），正确工具是 API/快照而非网页列表——网页展示层为人类阅读优化，工程消费请走数据层（§6）。

§4 规模演进时间线：九年的四点坐标

4.1 四点时间序列

OncoKB 的规模演进有四个可靠的时间点坐标，三源以上互证：

时点	alterations	genes	来源
2017-05（首篇论文）	>3,000	418	Chakravarty 2017（JCO Precis Oncol）
2021-10-07（FDA 认可时）	>5,600	>680	FDA 认可新闻稿口径（经科技媒体转述）
2024-02（ASCO 摘要/方法论文）	>7,600	>840	ASCO 2024 摘要 e13507 口径
2026-10-03（本条目实抓）	11,515	1,033	OncoKB 官网首页

两条增长曲线的读法：

1. alterations 九年增长约 3.8 倍（3,000→11,515），年均复合增长率约 16-18%——这不是指数爆炸，而是「委员会裁决速度」约束下的稳健线性偏快增长：每条注释都要过 CGAC 审阅，产能瓶颈在专家时间。
2. 基因数增长 2.5 倍（418→1,033）而 alterations 增长 3.8 倍——每基因平均注释条目从约 7 条升到 11 条，说明库的加深（同一基因更多变异/癌种组合）快于拓宽（新基因），与精准肿瘤「热点基因深挖」的临床现实一致。

4.2 2017 论文内的队列基线

首篇论文（Chakravarty 2017）记录了知识库与临床队列的第一次对表，这组数字是理解「解读鸿沟」的原始文献：

• 5,983 个 MSK-IMPACT 肿瘤样本（10,945 例患者队列中的可用部分）；
• 覆盖 19 个 cancer types；
• 41% 的样本携带至少一条 oncogenic alteration；
• 仅 7.5% 的样本可映射到 OncoKB Level 1 的治疗方案。

7.5% 这个数字后来成为 OncoKB 全部演进的「起点叙事」：九年后 Suehnholz 2024 测得的 standard care 覆盖率是 31.6%（§7.1）——四倍提升里既有知识库扩容的贡献，也有精准肿瘤药物审批加速的贡献。

引用这组论文数字的两条注意：①「5,983 样本」是 10,945 例患者中可用于该分析的肿瘤样本数（一个患者可贡献多个样本），引用时别把两个数字混成一个队列规模；②「41% 携带 oncogenic alteration」的口径是「至少一条」，与「每样本平均致癌变异数」是不同指标——转引时的口径错位多发生在这两处。

4.3 增长的三台发动机

四点序列背后的驱动机制可以拆成三台发动机：

1. 文献策展：专职 curators 逐条追踪同行评审文献，新证据驱动新增与改级——这是底层产能；
2. MSK-IMPACT 临床反馈：院内临床测序项目持续产生「真实世界需要什么注释」的需求信号，队列研究（如 Suehnholz 2024）反过来用 MSK-IMPACT 数据量化知识库的覆盖缺口；
3. 监管扫描：FDA 批准与 NCCN 指南变动的系统扫描——2024 年 ASCO 摘要测得 1998-2024 年 217 个新获批肿瘤药物中 83.4% 为 targeted、51.9% 属精准肿瘤治疗，这条管线保证「药一批准，注释跟进」。

第三台发动机的制度化产品就是 Oncology Therapies 页面：52 genes + MSI-H + TMB-H 的 FDA 认可 biomarker 全景表，bi-monthly 更新，并在每年年终发布总结版本。

4.4 增长的质量：深挖快于拓宽的三个推论

§4.1 观察到「基因数涨 2.5 倍、注释涨 3.8 倍」，这个不对称有三个可检验的推论：

1. 边际注释的价值密度在变化：早期增长以「新基因、新靶点」为主（拓宽），后期以「已知基因的新适应证、新耐药场景」为主（加深）——后者的直接临床转化率更高（有药可调的基因占比上升）；
2. 长尾基因的进入门槛在提高：CGAC 委员会时间固定，只有证据足够强的新基因才挤得进 1,033 的名单——基因总数增速放缓不是停滞，而是筛选变严；
3. 「数字增长」与「行动性增长」要分开计量：Suehnholz 2024 的价值恰在于此——它不数注释条数，而是测「多少比例的患者因此获得 standard care 选项」。条数增长 3.8 倍对应的行动性提升是 3.6 倍（8.9%→31.6%），两条曲线接近但不重合——差额部分是「注释了但未达 Level 1-2」的储备证据，这正是 Level 3-4 层存在的意义：今天的生物学证据是明天的标准 care 候选。

引用时间线数字时的纪律：条数、基因数、覆盖率三类数字各测各的东西，禁止互相换算。

4.5 Oncology Therapies 专题：监管扫描管线的放大镜

Oncology Therapies 页面值得单独解剖，因为它是「三台发动机」中监管扫描线的产品化形态：

• 内容结构：FDA 认可的全部肿瘤 biomarker-药物对应关系，按基因（52 genes + MSI-H + TMB-H）组织，每条给出癌种、药物、批准类型与证据说明；
• 更新承诺：bi-monthly——这是官网所有页面中更新频率最高的一种（其余月度），对应 FDA 肿瘤药物批准的实际节奏；
• 年终总结版：每年一份全年变动汇总，把「12 次 bi-monthly 增量」折叠成一张年度快照——引用监管趋势时优先用它，比逐月拼合更不容易漏；
• 与 ASCO e13507 的关系：摘要是对该页面的学术化测量（217 药物/83.4%/51.9%），页面本身是活性产品——引用趋势用摘要（同行评审语境），引用最新状态用页面。

对监管事务（regulatory affairs）团队的实用价值：这张页面是目前唯一由单一机构维护、与 FDA 批准同步、且被 FDA 体系认可的「肿瘤 biomarker 药物对应全景表」——做伴随诊断规划或竞品管线分析时，它是比自行追 FDA 公告更结构化的起点。

§5 治理与生产：一条注释的一生

5.1 治理架构：CGAC 委员会

OncoKB 的质量上界由 CGAC（Clinical Genomics Annotation Committee）决定——这是 MSK 内部的多学科专家委员会，成员横跨分子病理、肿瘤内科、分子生物学与生物信息学。职责：逐周审阅新增与修订的变异注释，裁决证据等级、oncogenic effect 分类与治疗建议的表述。FDA 认可审查（§7.2）覆盖的六项中，「管理政策」「治理」「利益冲突」三项指向的正是这套委员会机制——监管认可的与其说是一批注释，不如说是「生产注释的流程」。

5.2 一条注释的生产流水线

一条变异注释从证据到发布的完整生命周期：

1. 证据入列：curators 从文献、MSK-IMPACT 实践反馈或监管扫描中捕捉新证据；
2. 初注：curator 起草 oncogenic effect 分类、Levels 定级草案与治疗建议表述，附证据文献；
3. CGAC 审阅：委员会周会逐条裁决，争议案例可能跨周拉锯；
4. 生效发布：随月度 release 上线，获得版本号与生效日期；
5. 终身维护：后续证据可触发改级（Level 4→Level 2 的升级在精确肿瘤是常态），改级同样走 CGAC。

这套流程的产出特性：慢但可审计。每条注释都有版本、裁决记录与证据链——这正是它区别于社区 wiki 模式（如 CIViC 的众包策展）的根本特征，也是 FDA 愿意认可的前提。

curator 与委员会的职责切分可以概括为「起草权与裁决权分离」：

环节	curator（专职策展人）	CGAC（委员会）
证据检索与初筛	主责：文献监控、入列判断	抽查
oncogenicity 初判	提出建议档位	终裁
Levels 定级	起草等级与依据	终裁（争议可跨周）
治疗建议表述	起草措辞	逐字审（临床语境责任）
改级触发	监控触发、起草变更	终裁
对外口径	无（不直接对外）	机构名义背书

这个切分的要害在最后一行：注释以 MSK 机构名义对外负责，curator 的技术判断必须经委员会转化为机构裁决——「技术起草、机构署名」的双层结构是监管认可的制度基础，也是它与个人署名的社区注释在问责性上的本质差异。

5.3 更新节奏

节奏	内容
月度 release	全库注释的正式版本发布
bi-monthly	Oncology Therapies 页面更新（FDA 认可 biomarker 全景）
即时	FDA/NCCN 相关重大变动随时跟进
年终	Oncology Therapies 年度总结版

对集成方的工程含义：任何下游缓存（注释结果落库、模型训练快照）都必须记录所基于的 release 版本；不做版本锁定的下游集成会在某次 release 后悄悄失配。

5.4 机构与人物

• 机构：MSK Marie-Josée and Henry R. Kravis Center for Molecular Oncology（Kravis MO）是运营主体，依托 MSKCC（纽约）整体临床与研究生态；
• 核心人物：Nikolaus Schultz（MSK EVP、Kravis MO 主任，首篇论文通讯作者，cBioPortal/OncoKB 双平台的架构级人物）；Dimitri Chakravarty（Director of Scientific Strategy，首篇论文第一作者）；Jianjiong Gao（计算生物学家，首篇共同第一作者，cBioPortal 与 OncoKB 均有深度参与）；
• OpenEvidence 合作官宣的引语人物（2026-09-16）：Chakravarty、Anaeze Offodile II（MSK Chief Strategy Officer）、Travis Zack（OpenEvidence CMO）——三方引语完整记录了集成的双向意图（§7.4）。

首篇论文 51 位作者（含时任 MSK 院长 José Baselga 的署名）本身就是一份「全院背书名单」——OncoKB 从诞生起就是机构级工程而非课题组项目，这个定位决定了它后来的监管路线。

5.5 两种策展劳动结构：机构委员会 vs 社区众包

把 OncoKB 的生产模式放到知识库治理的光谱上看，它站在「完全机构化」一端：

维度	OncoKB（机构委员会）	CIViC（社区众包）
劳动来源	MSK 专职 curators + 委员会专家	全球注册志愿者 + 编辑审核
裁决节奏	周会 + 月度 release	条目级持续滚动
质量控制点	委员会逐条裁决 + FDA 六项审查	编辑抽审 + 社区互评
成本承担	机构预算 + 商业 license 收入	学术资助 + 志愿劳动
吞吐上限	委员会时间（稀缺专家小时数）	社区规模（可扩展但质量方差大）
责任主体	MSK（可被监管问责）	分散（学术引用级别可信）

两种结构的适用边界：需要监管级问责的场景（药物审评引用、伴随诊断申报）只有机构模式能承载——FDA 不可能给志愿者社区发认可信；需要广覆盖低成本的场景（罕见变异全景、快速文献跟进）社区模式占优。务实的态度是两库并用：以 OncoKB 为行动性主轴、以 CIViC 为覆盖面补充，冲突条目回读各自证据链。

5.6 版本与变更通报的工程细节

月度 release 不只是「把新注释加上线」，它伴随一套版本管理约定：

• 数据与代码版本分离：数据 release（月度）与代码 release（如 v4.5.0，节奏独立）各自编号——引用时注意区分「数据版本」与「API/软件版本」；
• ** FDA/NCCN 即时更新不等 release**：监管重大变动走即时通道先上，再归入下一次月度 release——这意味着「release 边界内的内容」与「页面实时内容」可能短暂不一致；
• Oncology Therapies 的双节奏：bi-monthly 常规更新 + 年终总结版，年末时点会有一份「全年监管变动全景」快照，适合作为年度综述的引用锚点。

对下游的工程含义汇总成一句：把 OncoKB 当上游依赖来管理——版本 pin、变更监控、降级预案（API 故障时回退到最近快照）三件套与依赖任何外部 API 相同，只是这里「版本变更的内容」是临床证据本身，影响面以患者护理计。

§6 获取与许可：三种通道、四种合同

6.1 三条获取通道

通道	内容	门槛
网页	全部注释公开可读（含 Levels 页、FDA-Recognized Content tab、Oncology Therapies 页）	零门槛
API	https://www.oncokb.org/api/v1，REST 架构，Bearer token 认证；支持单变异查询与单基因批量	机构邮箱申请 token，选择 license 类型，管理员批准
数据快照	全量 JSON 下载	仅签约用户

三通道的选择逻辑一句话讲完：看一眼走网页，集成走 API，落库走快照——三条通道的数据内容一致，差异只在批量能力与合同义务。注意网页虽然全量可读，但其 HTML 结构不为抓取设计（且受网站使用条款约束），自动化消费请走 API/快照的正门。

6.2 license 四档：学术免费不等于免费

license 档	适用对象	费用
Academic	学术机构非商业研究	免费（注册审批制）
Research in Commercial	商业机构内研究用途	签协议付费
Hospital	医院临床决策支持	签协议付费
Commercial	商业产品/服务集成	签协议付费

另有 Full 与 Limited 两档访问模型（签约时选择的数据范围档位）。三条使用红线：

1. AI 产品的用途归类：把 OncoKB 注释喂给商业 LLM/决策支持产品属于 Commercial/Research in Commercial 档——「我只是做研究」的答辩在商业公司语境里不成立（坑 4）；
2. 再分发限制：网页/API 获取的注释数据再分发（包括放入开源数据集）受合同约束，学术档也不例外；
3. 引用义务：官方要求使用数据同时引用 Suehnholz 2024（Cancer Discovery）与 Chakravarty 2017（JCO Precis Oncol）两文——这是合同义务而非学术礼节。

6.3 API 实操要点

• Base URL：https://www.oncokb.org/api/v1（旧域名 oncokb.mskcc.org 的 API 已迁移，坑 7）；
• 认证：HTTP header 携带 Bearer token（Authorization: Bearer <token>）；
• 申请流程：api-access 页提交机构邮箱与用途，选择 license 类型，等待管理员批准——非自助即发（坑 5）；
• 粒度：支持按变异（gene + variant）、按基因批量、按癌种等查询维度，返回 JSON；
• 限流：公共 API 有速率限制，批量注释任务（如全库 re-annotation）需评估吞吐或改用签约快照。

错误处理三则（工程实现建议）：

1. 401/403 处理：token 失效或过期时立即停止队列而非重试——批量任务里的 token 失效会被限流逻辑放大成雪崩；
2. 429 退避：指数退避（如 2s/4s/8s 封顶 60s）+ 全局并发闸，别按请求粒度各自重试；
3. 部分失败落盘：每条查询结果即时落盘并标记状态，重跑只补失败项——全量重跑既浪费配额又可能跨过 release 边界造成数据不一致。

6.4 开源代码链：AGPL-3.0 一族

数据合同制，代码却相当开放——github.com/oncokb 组织下 29 个仓库，核心构成：

仓库	语言	角色
oncokb/oncokb	Java	知识库后端主体；AGPL-3.0；v4.5.0（2025-11-24），229 releases
oncokb-annotator	Python	命令行注释客户端，批量给 MAF/VCF 变异列表挂 OncoKB 注释
oncokb-public	TypeScript	官网前端
oncokb-sop	—	注释标准操作规程

三点解读：

1. AGPL-3.0 的含义：强 copyleft——网络服务形式使用 oncokb 代码也须开源修改。想基于其代码做商业 SaaS 的团队，AGPL 是实质性法律门槛，与数据侧的合同制门槛相互独立（坑 4）；
2. oncokb-annotator 是最常用的入口：对绝大多数「我有一批突变要注释」的需求，不需要碰 Java 后端，一个 Python 工具加学术 token 就够了；
3. 229 个 releases 的节奏感：代码发布频率与数据月度 release 相互独立，引用代码时用具体版本 tag（当前 v4.5.0，2025-11-24）。

AGPL 对 AI 产品的具体含义（常见误读澄清）：调用 OncoKB API 不触发 AGPL——AGPL 约束的是 oncokb 代码本身的使用与修改，数据消费走的是合同条款（§6.2），两条法律线互不覆盖。真正触发 AGPL 的场景是：fork oncokb Java 后端做修改后以网络服务形式对外提供（须开源修改）、把 oncokb-annotator 改造进你的商业流水线（衍生作品受 AGPL 传染）。想规避传染又需要类似能力的团队，合规路径是「自研注释编排层 + 经 API 消费官方数据」，而不是修改官方代码。

6.5 AI-Ready 视角的获取评估

• 可发现性：官网结构清晰、文档完整、论文开放获取——高分；
• 可获取性：网页全量可读但无公开批量下载，API 学术免费但需审批，全量快照签约制——中分（免费与开放是两回事）；
• 机器可读性：REST + JSON + 开源客户端 + cBioPortal 集成，程序化消费路径齐全——高分；
• 许可清晰度：四档合同制边界明确、引用义务明确——比「license 未声明」的多数学术数据集强，但商业用途成本不透明（报价需联系销售）拉低透明度。

6.6 签约流程实操（商业/医院侧）

商业与医院侧的签约路径没有公开报价单，流程上是标准的机构合同协商：

1. 需求归类：先内部定性用途——机构内研究（Research in Commercial）、临床决策支持（Hospital）、产品/服务集成（Commercial）——归类错误会导致合同重谈；
2. 数据范围选择：Full（全库）或 Limited（子集）访问模型，范围直接影响报价；
3. 官方渠道接触：官网 license/access 页的联系方式发起询价，说明用途、规模（查询 QPS/用户数）与集成形态；
4. 合同要点核查：再分发边界、缓存留存期限、release 更新义务、审计条款——特别是「注释数据进入你的产品输出」的边界要在合同里写明；
5. 引用合规落地：产品内对 Suehnholz 2024 + Chakravarty 2017 的引用呈现方式。

时间预算建议：把签约周期按「季度级」预留，与 API token 审批（天到周级）完全不同量级——商业集成项目的关键路径在合同不在代码。

6.7 下游版本锁定：与月度 release 共存的三种模式

任何消费 OncoKB 的下游系统都要回答「release 变了怎么办」。三种工程模式：

1. 快照式（snapshot）：定期拉全量/增量到本地库，记录 release 版本号；适合需要可复现性的场景（模型训练、队列研究）。代价是存储与同步工程；
2. 直查式（live）：每次查询实时调 API，版本跟随上游；适合交互式场景（cBioPortal 注释面板）。代价是不可复现——三个月后重放结果可能不同；
3. 混合式（hybrid）：读走本地快照、写穿透到 live 校验，差异报警。适合生产级决策支持系统。

三种模式共享两条铁律：结果里必须携带 retrieval/release 时间戳（否则坑 8 会以静默方式发生）；等级变更要有监控（关键基因的 Level 1→2 升降对下游用药排序是实质影响，值得单独的 diff 通道而不是等全量刷新）。

6.8 与库内可获取性光谱的对照

把 OncoKB 放进本库的「可获取性光谱」，能看到它在知识库类条目中的位置：

光谱段位	库内代表	获取形态
完全开放直链	CIViC（CC0，rid 309）	全量下载、无门禁
开放 API 限于非商业	OncoKB（本条目）	网页全量 + API 审批制 + 快照签约
学术免费/商业收费	COSMIC（rid 128）	注册门槛 + 商业合同
完全合同制	Flatiron Health（rid 378）	纯商务对接，无公开通道

OncoKB 的卡位逻辑：它比 CIViC 封闭（合同制 vs CC0），但比 Flatiron 开放（网页全量公开 vs 无公开通道）——这个中间位置是「机构策展 + 监管认可」模式的成本结构决定的：委员会裁决与 FDA 合规都要真金白银，商业档收费就是这套质量的资金闭环。对检索者的实用结论：需要「零成本全量」时用 CIViC，需要「监管级质量」时用 OncoKB，两者许可条款互不兼容、融合使用前先过一遍各自的再分发条款。

§7 评估与 FDA 认可：知识库有效性的两次大考

7.1 Suehnholz 2024：47,271 例的覆盖度量化

Cancer Discovery 2024;14(1):49-65（doi:10.1158/2159-8290.CD-23-0467，PMID 37849038，PMCID PMC10784742）是 OncoKB 的核心方法论文：Suehnholz 等用 47,271 例 MSK-IMPACT 实体瘤患者（2015-2022 年间测序），对照 OncoKB 2017 版与 2022 版两个时点的注释，量化知识库扩张对临床行动性的实际影响：

指标	2017 版	2022 版	变化
standard care 覆盖率（患者可获 Level 1-2 治疗选项）	8.9%	31.6%	+22.7 pp
nonactionable 比例（无任何可行动注释）	44.2%	22.8%	-21.4 pp

队列中最高频的 altered genes：TP53 43.2%、KRAS 19.2%、CDKN2A 12.2%——三者合计覆盖近半患者，但恰好多为「著名难治」（TP53 无直接成药路径、KRAS 曾长期不可成药），这个错位解释了为什么覆盖率提升主要来自新增基因与新增适应证而非头部基因。该文被引 380+，已成为「精准肿瘤知识库如何量化评估」的标准范式：固定队列、跨版本对照、报告行动性比例而非注释条数。

7.2 FDA partial recognition：监管史上的第一次

2021-10-07，FDA 认可 OncoKB 为 somatic human variant database——官方页原文口径「first and remains the only」。要点存照：

1. 认可性质：partial recognition——FDA-Recognized Content 标签页内的条目在 FDA 药物审评中可被引用且无需额外佐证，全库其余部分不在认可范围（§3.3）；
2. 审查范围：SOP v4.1 六项——注释内容、Levels 映射、验证流程、管理政策、治理、利益冲突（COI）；
3. 监管背景：2018-04 FDA 发布 somatic variant 监管框架（fda.gov/media/99200），明确「人类/肿瘤变异 databases 可作为临床验证来源」的路径——OncoKB 的认可是该框架落地三年后的第一个案例；
4. 行业含义：伴随诊断申报与药物标签可指名引用 OncoKB 内容，「数据库证据」从学术参考升格为监管材料。

7.3 ASCO 2024 e13507：Oncology Therapies 的方法论背书

2024 年 ASCO 年会摘要 e13507 公布了 Oncology Therapies 页面的系统性测量：1998-2024 年共 217 个新获批 oncology 药物，其中 83.4% 为 targeted therapy、51.9% 属精准肿瘤治疗（需要 biomarker 选择患者）；FDA 认可的 biomarker 面为 52 genes + MSI-H + TMB-H。这组数字双关：既测量了监管生态的「精准化率」，也定义了 OncoKB 监管扫描管线的「跟踪对象全集」。该页面 bi-monthly 更新、年终出总结版——是知识库里「最具监管时效性」的部分。

引用这组数字的三条注意：①出处是会议摘要而非同行评审全文，引用时注明（ASCO Annual Meeting abstract e13507）；②「精准肿瘤治疗 51.9%」的口径是「需要 biomarker 选择患者」的批准——比 targeted therapy 的 83.4% 更严格，两个百分比不可互混；③52 genes + MSI-H + TMB-H 是「FDA 认可的 biomarker 全集」在 2024 年时点的口径，随批准滚动扩大，引用带时点。

7.4 OpenEvidence 双向集成：2026-09-16 官宣

2026-09-16，MSK 与 OpenEvidence 双源官宣合作（MSKCC 新闻稿 + OpenEvidence 公告页），内容为双向集成：

• OpenEvidence 进入 MSK Epic 病历系统：临床医生在院内工作流里直接获得 AI 临床问答；
• OncoKB 进入 OpenEvidence：OncoKB 注释内容接入 OpenEvidence 的临床问答引擎，医生以自然语言提问即可获得 OncoKB 级别的变异证据。

引语三方：Chakravarty（OncoKB 方向）、Anaeze Offodile II（MSK Chief Strategy Officer）、Travis Zack（OpenEvidence CMO）。两点存照：官宣日期为 2026-09-16，面向普通用户的实际可用时间（灰度节奏）未披露——本条目按「官宣于 2026-09-16」表述；这次合作是「策展知识库 × LLM 问答」的标志性组合，被普遍解读为精准肿瘤知识分发新范式的起点。

7.5 Suehnholz 范式的可迁移性

Suehnholz 2024 的「固定队列 × 跨版本 × 行动性比例」设计，本质上是把软件工程的回归测试思想引入知识库评估，它的三步骨架对任何策展型知识库（含库内 civic、pharmgkb 等条目）都可迁移：

1. 冻结队列：选定不随时间变化的患者/条目集合（本例：47,271 例 MSK-IMPACT）；
2. 双版本重放：用知识库的历史版本与当前版本分别注释同一队列（OncoKB 的月度 release 体系恰好提供了版本锚点）；
3. 行动性指标：报告「获得 standard care 选项的患者比例」这类下游效用指标，而非「注释条数」这类上游产能指标。

这套范式与 DAIMS 的 S（可持续性）维度形成呼应：知识库的可持续性不等于「活着」，而等于「可测量的效用增长轨迹」——OncoKB 是目前唯一有公开效用轨迹测量的肿瘤变异知识库，这也是它评估维度得分的依据之一（附录 B）。

7.6 FDA 认可的监管语境时间线

把 2021-10-07 的认可放回监管语境的因果链里看：

时点	事件	对 OncoKB 的含义
2017-04	首个 NTRK 泛癌种批准（larotrectinib 路径）确立「组织无关 + biomarker 驱动」审批范式	变异证据的监管地位上升，数据库作用凸显
2018-04	FDA 发布 somatic variant calling 与解读的监管框架（fda.gov/media/99200）	为「认可数据库」铺设了法律轨道
2021-10-07	OncoKB 获 partial recognition（first and remains the only）	框架落地首例；FDA-Recognized Content 可直接进入审评引用
2022-2024	Oncology Therapies 页面体系化（bi-monthly）	监管扫描制度化，认可内容保持同步
2026-09-16	OpenEvidence/MSK Epic 双向集成官宣	认可内容开始经由 AI 问答渠道分发

这条链的读法：OncoKB 的 FDA 认可不是孤立事件，而是「精准肿瘤审批范式 → 监管框架 → 数据库认可 → 知识分发革新」四段接力中的第三棒——理解这个位置，才能理解为什么「partial」是精心设计的监管安排而非妥协：认可跟着「可验证的生产流程」走，有多少流程被验证就认可多少范围。

7.7 MSK-IMPACT 与 OncoKB 的共生结构

MSK-IMPACT（库内 rid 423，MSK 的院内膜测序平台）与 OncoKB 的关系远超「上下游数据管道」，是四重共生：

1. 需求源：临床测序每天产生「这条变异什么意思」的院内提问，构成注释管线的需求优先级；
2. 试验田：新注释先在院内 molecular tumor board 的真实讨论中被使用、被挑战，再固化成正式注释——院内实践是最严苛的同行评议；
3. 评估队列：Suehnholz 2024 的 47,271 例来自 MSK-IMPACT——没有这个十年的院内队列，知识库的效用评估无从做起；
4. 互证回路：队列研究中发现的覆盖缺口反向排入策展计划，形成「使用 → 测量 → 缺口 → 补齐」的闭环。

这个共生结构对模仿者的启示：知识库的护城河不在注释条数，而在「有没有一个临床队列持续向你提真问题」。库里 msk-impact 条目与本条目连读，就是这套闭环的完整解剖标本。

§8 生态与影响：知识库星系中的位置

8.1 同类知识库对比

体细胞变异临床解读赛道的主要玩家：

知识库	治理模式	证据体系	许可特点
OncoKB	机构策展（MSK）+ 委员会裁决（CGAC）	Levels 1-4 + R1/R2	合同制四档；AGPL-3.0 代码；FDA partial recognition
CIViC（库内 rid 309）	社区众包策展	A-D 四级 + AMA 分级	CC0（最开放）
ClinVar（rid 136）	提交制登记	种系为主、临床意义五分类	公开域，但体细胞覆盖有限
COSMIC（rid 128）	机构策展（Sanger）	Catalogue 体系	学术免费、商业收费
PharmGKB（rid 374）	机构策展（斯坦福）	药物基因组学 CPIC 分级	公开（药物基因轴线）

OncoKB 的差异化三件套：委员会治理带来的可审计性（对应 FDA 认可）、耐药独立轴线（R1/R2）、与 cBioPortal 的深度耦合（注释直接长在可视化平台上）。CIViC 在开放度上胜出（CC0），OncoKB 在监管地位与临床机构背书上胜出——两者是互补而非替代关系。

8.2 上游与下游全景

[测序平台] MSK-IMPACT ──实践反馈──▶ [策展/裁决] curators + CGAC ──月度 release──▶ OncoKB
                                        ▲
[文献] 同行评审策展线 ─────────────────┤
[监管] FDA/NCCN 扫描线（Oncology Therapies）─┘
                                        │
              ┌─────────────────────────┼──────────────────────────┐
              ▼                         ▼                          ▼
        cBioPortal 内建注释      oncokb-annotator 客户端      OpenEvidence/MSK Epic
        （可视化平台集成）        （批量程序化注释）           （2026-09 官宣集成）

8.3 在「知识库 × AI」叙事中的角色

2026 年的精准肿瘤 AI 生态里，OncoKB 扮演两个角色：

1. RAG/LLM 系统的高质量语料源：结构化 API + 每条注释自带证据文献的特性，使其成为肿瘤变异问答系统最常被引用的 ground truth 之一——代价是合同制许可对商业 AI 产品的接入成本构成现实门槛；
2. 「AI 问答 × 策展知识库」范式的首发案例：OpenEvidence 集成把「LLM 负责检索与表达、知识库负责证据与责任」的分工做成了产品——这个分工结构（生成层不生产事实，事实层不给生成层背锅）很可能是医学 AI 接下来五年的标准架构。

8.4 集成清单：谁在以什么方式消费 OncoKB

按「消费深度」从浅到深排列的集成形态：

集成形态	代表	消费深度
网页人工查询	临床医生/研究者随手查	单条注释
平台内建注释	cBioPortal（rid 413，内建）	批量交互式
流水线批量注释	oncokb-annotator 用户（学术与产业）	全队列程序化
数据快照集成	签约的商业/医院系统	全库本地化
AI 问答分发	OpenEvidence / MSK Epic（2026-09 官宣）	自然语言消费

最后一行值得单独说：AI 问答形态把消费门槛降到了「会说话就会用」，但也引入了新的责任问题——当 LLM 转述 OncoKB 注释时，转述误差的责任链、注释版本与对话时点的绑定，都是传统集成没有遇到过的新问题。MSK-OpenEvidence 合作官宣引语里强调的正是「策展证据 + AI 分发」的互补分工（§7.4）。

8.5 双库并用策略：OncoKB + CIViC 的分工协议

给需要「全覆盖 + 高置信」注释系统的团队的实操建议：

1. 主轴用 OncoKB：有 therapeutic implication 的条目以 OncoKB 等级为准——它的委员会裁决与 FDA 审查提供了最高问责等级；
2. 覆盖面用 CIViC：OncoKB 未覆盖的基因/变异（尤其罕见肿瘤与新兴靶点）从 CIViC 补充（CC0 许可也避免了许可叠加问题）；
3. 冲突处理：两库等级不一致时保留双方、标注来源体系（§3.6 的粒度差异使冲突常为「表述差异」而非「事实矛盾」），升级到人工裁决的只有 oncogenicity 分类直接矛盾的情形；
4. 审计要求：融合层必须能回答「这条 Level 2 是谁在什么时候基于什么文献定的」——这正是为什么融合层要保留体系标签而不是强行归一。

这套协议在多家药企与诊断公司的注释系统里已是事实标准，本库的 civic（rid 309）条目可作 CIViC 侧的深入参照。

8.6 证据金字塔中的坐标

把肿瘤诊疗的证据体系画成四层金字塔，OncoKB 的位置一目了然：

            ▲  监管层：FDA 批准/标签（个案裁决）
           ▲▲  指南层：NCCN/ESMO 指南（领域共识）
          ▲▲▲  知识库层：OncoKB / CIViC / PharmGKB（证据整合与定级）
         ▲▲▲▲  文献层：个案报告 / 系列 / 试验读出（原始证据）

知识库层的职责是压缩：把文献层的海量原始证据压缩成可执行的分级结论，向上（指南/监管）供给可引用的结构化事实，向下（临床/算法）输出可执行的判断。OncoKB 在这层的特殊性有二：其一，它是唯一被监管层「回借」的知识库——FDA-Recognized Content 让知识库结论直接进入监管材料，金字塔在这一点上出现了一条从第三层直通第一层的快速通道；其二，它的月度 release 让这一层的「保鲜度」以月计，而指南层通常以年计——当指南尚未跟上时，OncoKB 的 Level 2/3 是临床最新选项的正式出处。

理解这个坐标，就能理解两个现象：为什么 FDA 认可只给 partial（金字塔层间跳跃需要逐级验证）；为什么 AI 集成选择知识库层而非文献层作为事实源（压缩过的证据才喂得动上下文窗口）。

8.7 2026 年的格局判断：三个趋势与 OncoKB 的位置

站在本条目抓取时点（2026-10），体细胞变异知识库赛道有三个可辨认的趋势：

1. 监管内化完成：「数据库证据」从学术参考变成监管材料（OncoKB 2021 认可起步），后来者要复制这条路必须先复制「委员会治理 + SOP + 审计」的整套机构基建——赛道事实上有了机构级准入门槛；
2. AI 分发层成形：OpenEvidence/MSK Epic 集成（2026-09）标志知识库竞争从「谁的数据全」转向「谁被 AI 问答渠道分发」——策展质量是分发准入证，渠道地位反过来固化知识库地位；
3. 泛癌种与耐药证据扩容：tumor-agnostic 批准的累积与耐药后线治疗的复杂化，意味着 R 轴与 pan-cancer 注释的增长会快于总量—— Levels 体系的「七档」可能面临精度压力（更细的适应证切分）。

OncoKB 在三个趋势里都占先手：监管内化是它发起的、AI 分发是它首发的、泛癌种结构是它早在 Levels 设计里预留的。对竞品（CIViC/商业知识库）的启示是对使用者的镜子：知识库选型的本质是选「生产流程的可信度」，不是选「条数」——这与 DAIMS 的 M（元数据）维度高于 A（可获取性）权重的评估逻辑一致。

§9 与库内条目的关系

9.1 家族图谱（rid 已确认）

• cbioportal（rid 413）：最直接的工程耦合——cBioPortal 内建 OncoKB 注释功能，两库共享 MSK 血统与核心人物（Schultz/Gao）。做癌症基因组分析的用户两库连用是标准姿势。
• msk-impact（rid 423）：上游测序平台与队列来源——Suehnholz 2024 的 47,271 例评估数据全部出自 MSK-IMPACT。读 OncoKB 评估章节时配合 MSK-IMPACT 条目理解队列口径。
• civic（rid 309）：同类体细胞注释库，社区策展 + CC0——治理模式与许可光谱另一端的对照物，两库同读可以看到「机构合同制 vs 社区完全开放」的完整取舍。
• clinvar（rid 136）：种系变异登记的主流参照系——OncoKB（体细胞轴线）与 ClinVar（种系轴线）合起来才是「人类变异临床解读」的完整图景。
• cosmic（rid 128）：体细胞变异目录的先行者（Sanger），学术免费/商业收费的许可结构与 OncoKB 同构；COSMIC 重目录广度，OncoKB 重临床行动性。
• pharmgkb（rid 374）：药物基因组学知识库——OncoKB 管体细胞药靶，PharmGKB 管种系药物代谢，靶向治疗的两条药物证据线。
• open-targets（rid 456）：靶点-疾病关联的证据整合平台——OncoKB 的 Level 4（生物学证据）层与 Open Targets 的靶点优先级排序在方法学上同源。
• tcga（rid 25）/ cptac（rid 259）：泛癌多组学参考队列——为 OncoKB 注释提供「变异在人群中的频率背景」，两者注释 OncoKB 化是常见流水线组合。
• flatiron-health（rid 378）：真实世界数据平台——与 OncoKB 同属「真实世界证据基础设施」层，Flatiron 管治疗结局，OncoKB 管变异证据。

9.2 检索路径建议

• 检索词组合：OncoKB（精确）+ Levels of Evidence / variant annotation / precision oncology；勿用 OncoKB database 泛搜（会混入大量工具类条目）。
• 任务→条目组合速查：注释流水线搭建 → 本条目 + cbioportal(413) + oncokb-annotator；种系/体细胞全景 → 本条目 + clinvar(136)；知识库治理对比 → 本条目 + civic(309)；真实世界队列评估 → 本条目 + msk-impact(423)。
• 引用规范：数据引用同时给 Suehnholz 2024 + Chakravarty 2017 两文（合同义务，§6.2），规模数字带 as of 日期。

9.3 互链对照总表

条目	rid	关系类型	联合使用场景
cbioportal	413	工程耦合（内建注释）	变异可视化 + 注释一站式
civic	309	同类对照（治理/许可光谱另一端）	双库并用融合层
msk-impact	423	上游队列（评估数据源）	知识库效用评估研究
clinvar	136	轴线互补（种系 vs 体细胞）	泛变异临床解读全景
cosmic	128	同域先行者（目录 vs 行动性）	变异频率背景交叉核对
pharmgkb	374	药物证据线互补（药代/药效）	靶向治疗全证据链
open-targets	456	方法学同源（证据整合）	靶点优先级排序
tcga	25	频率背景队列	泛癌统计对照
cptac	259	蛋白组学补充队列	多组学验证
flatiron-health	378	真实世界证据层	治疗结局研究

§10 避坑清单：八个已踩过的坑

坑 1：名称家族混淆。OncoKB（知识库本体，oncokb.org）、oncokb/oncokb（Java 后端仓库）、oncokb-annotator（Python 注释客户端）、oncokb-public（TS 前端）是四个不同的东西；检索 GitHub 时组织名是 oncokb，仓库 oncokb/oncokb 斜杠前后同名最容易搜错。另有历史名称 OncoKDR（OncoKB 的驱动基因子库旧称）散见于早期文献。

坑 2：FDA 认可范围误读。「FDA 认可 OncoKB」是省略说法——partial recognition 只覆盖 FDA-Recognized Content 标签页内条目，官方 FAQ 原文即限定该 tab。把全库说成 FDA 认可，轻则引用失准，重则监管材料出错。正确表述：「FDA 于 2021-10-07 对 OncoKB 的 FDA-Recognized Content 及其生产体系给予 partial recognition」。

坑 3：两套官方口径并存。MSKCC 宣传页「5,000+」levels/altered genes（另有「Nearly 7,000 clinical trials」一说）与官网首页 11,515 alterations（2026-10-03 同时在线）分属不同统计口径——前者偏「已定级注释」口径，后者是全部 alterations。本条目以官网首页为准；引用任何一方都要注明页面与日期。

坑 4：许可双轨混淆。数据合同制四档（Academic 免费 / Research in Commercial / Hospital / Commercial 付费）与代码 AGPL-3.0 开源是两条独立轨道：「代码开源所以数据随便用」与「数据收费所以代码也不能看」都是误读。商业产品集成注释数据须签 Commercial/Research in Commercial 协议；基于 oncokb 代码做网络服务则触发 AGPL 开源义务。

坑 5：API token 非即点即得。学术 token 也需机构邮箱申请、选择 license 类型、等管理员批准——赶 deadline 的团队要预留审批时间；公共 API 另有速率限制，全库级批量任务请改签约快照。个人邮箱申请会被拒。

坑 6：oncogenic effect ≠ 可用药。库内大量条目是 Neutral / Unknown / Predicted Oncogenic，且 Oncogenic 变异也可能只有 Level 4 证据甚至没有 therapeutic implication。把 OncoKB 当「可用药变异清单」直接抽药靶，会混入大量无行动意义的条目——正确姿势是先按 Levels 过滤再谈行动性。

坑 7：域名迁移。文献与旧文档里大量出现 oncokb.mskcc.org（旧域名），现行域名是 oncokb.org（API base 同步迁移）。旧域名目前重定向，但写代码时应直接用新域名，引用 API base 一律 https://www.oncokb.org/api/v1。

坑 8：数字不带时点必错。月度 release 意味着规模数字滚动增长——2017 论文 3,000+/418 genes、2021 FDA 时点 5,600+/680+、2024-02 7,600+/840+、2026-10-03 11,515/1,033 是四个正确但互不兼容的快照。引用任何数字必须带「as of」日期；自动化系统必须锁定 release 版本号。

§11 总结

11.1 三句话总结

1. OncoKB 把「这条变异致癌吗、有什么药、证据多硬、会不会耐药」四问做成了结构化循证注释：1,033 genes / 11,515 alterations / 143 cancer types / 171 drugs（2026-10-03），七档 Levels 体系与 AMP/ASCO/CAP 共识 1:1 对齐，CGAC 委员会逐周裁决、月度发布。
2. 它是监管史上的唯一：全球首个且至今唯一获 FDA partial recognition 的 somatic human variant database（2021-10-07），FDA-Recognized Content 子集可直接进入药物审评引用——认可的实质是「注释生产流程」而非仅一批数据。
3. 它证明了知识库扩张可以量化验收：47,271 例 MSK-IMPACT 队列对照显示 standard care 覆盖 8.9%→31.6%（2017→2022 版），这套「固定队列跨版本对照」范式已成为精准肿瘤知识库评估的标准。

11.2 适合谁

• 肿瘤注释流水线工程团队：API + oncokb-annotator + cBioPortal 集成三条程序化路径俱全。
• 分子肿瘤委员会与分子病理医生：Levels 体系就是为「变异解读会上怎么说服彼此」设计的。
• 商业决策支持/LLM 产品团队：证据质量最高，但注意 Commercial 档合同与 AGPL 代码边界（坑 4）。
• 知识库治理研究者：机构策展 + 委员会裁决 + 监管认可的完整样本，与 CIViC 社区模式构成对照实验。

11.3 不适合谁

• 需要全量公开批量下载的项目（快照签约制，公开通道只有限流 API）。
• 把它当原始测序数据源的需求（它不存 reads/VCF 原始文件）。
• 预算为零的商业用途（学术免费、商业付费没有灰色地带）。

11.4 30 秒决策卡

你的情况	行动
学术机构，一批突变要注释	api-access 申请学术 token（预留审批时间）→ oncokb-annotator 批量跑（附录 G）
数据已在 cBioPortal	开启内建 OncoKB 注释功能即可，无需自建流水线
商业产品要集成	先签 Research in Commercial/Commercial 协议再接数据（坑 4），代码复用另评估 AGPL
只想查一条变异	直接官网搜索框，零门槛；顺手记下 release 日期
写综述/论文	引 Suehnholz 2024 + Chakravarty 2017 双文（合同义务）；规模数字带 as of 日期（坑 8）
设计自家知识库治理	读 §5 + §7.2 SOP 六项 + Suehnholz 2024 评估范式三段

11.5 一句话警示（写给赶时间的人）

• 引用数字不带日期 = 引用一个注定错的数（坑 8）；
• 「FDA 认可」四个字单独出现 = 已经错了（坑 2）；
• 商业项目先签合同再写代码——集成周期按季度算，编码只要一周（坑 4/坑 5）；
• 「EGFR 是 Level 1」这类句子进任何材料前先补全三元组（§3.5）。

FAQ（高频问答 42 问）

A. 基础认知

Q1：OncoKB 是数据库还是知识库？
官方自称 Precision Oncology Knowledge Base——数据库存数据，知识库存「数据 + 证据裁决」。OncoKB 的最小单元不是记录而是带证据链的注释声明（assertion），每条都有 Levels 定级与文献支撑。

Q2：它和 CIViC 什么关系？
同行互补。CIViC 社区众包策展、CC0 完全开放、证据 A-D 四级；OncoKB 机构策展 + 委员会裁决、合同制许可、七档 Levels + 耐药轴 + FDA partial recognition。两库对同一变异给不同等级是正常的，读定级理由比看结果更重要。

Q3：它和 ClinVar 什么关系？
轴线不同：ClinVar 主种系变异（germline），OncoKB 主体细胞变异（somatic）。肿瘤研究与遗传病研究各取所需，两者合起来才是变异临床解读的完整版图。

Q4：「FDA 认可」翻译成一句完整的话是什么？
「FDA 于 2021 年 10 月 7 日对 OncoKB 及其 FDA-Recognized Content 子集给予 partial recognition——OncoKB 是全球首个且至今唯一获此认可的体细胞变异数据库，认可覆盖注释内容、分级映射、验证流程、管理政策、治理与 COI 六项（SOP v4.1）」。

Q5：Levels 数字为什么按基因计数？
官网 Levels 页的分布（L1:59 等）以基因为单位展示「该基因在其最高证据适应证上的等级」；实际注释粒度是「变异 × 癌种」，同一基因可跨多级。两种口径引用时都要注明。

Q6：谁出钱运营？
MSK 机构支撑 + 商业 license 收入（Research in Commercial/Hospital/Commercial 三档签约）的混合模式——这也是学术档能免费的结构性原因。

Q7：最大的卖点一句话？
全世界唯一一个「FDA 审药时会直接引用、无需额外佐证」的体细胞变异注释库。

Q8：它自己承认什么局限？
覆盖仍在漏斗形分布（L1 仅 59 基因）、非英文文献与阴性结果系统性难入、规模数字滚动导致引用漂移、商业许可成本不透明——分别见 §3、§4、坑 8 与 §6。

Q9：开源吗？
代码开源（AGPL-3.0：后端/annotator/SOP），数据合同制（学术免费、商业付费）——「开源」与「免费」在 OncoKB 语境下是两个正交判断。

Q10：和 OncoKDR 什么关系？
OncoKDR 是 OncoKB 早期驱动基因（driver）子库的旧称，散见于 2017 年前后的文献；现行体系已统一在 OncoKB 品牌下，检索老论文时注意（坑 1）。

B. 数据与获取

Q11：网页能看全部注释吗？
能。全部注释公开可读，包括 Levels 页、FDA-Recognized Content tab、Oncology Therapies 页——「公开可读」与「批量可下载」是两回事。

Q12：API 怎么申请？
api-access 页：机构邮箱 + 用途说明 + license 类型选择 → 管理员批准 → Bearer token 发放。个人邮箱不行，商业用途走签约流程。

Q13：API 限流多少？
官方未公布具体数值的公共配额，实测批量任务需控制并发；全库级 re-annotation 建议签约快照或错峰执行。

Q14：快照长什么样？
签约用户可获全量 JSON 快照（含注释全文与分级结构）；历史版本归档页需登录，公开侧无法回溯旧版 release 的具体文件（本条目待核 1 的由来）。

Q15：oncokb-annotator 怎么用？
Python 工具，输入 MAF 或变异列表，输出挂好 OncoKB 注释的表格（附录 G 骨架）。学术 token 即可驱动，是批量注释的最短路径。

Q16：cBioPortal 集成要自己配 token 吗？
自建 cBioPortal 实例需要配置自己的 OncoKB token；MSK 公共 cBioPortal 门户已内置注释。

Q17：能把注释数据放进我的开源数据集吗？
不能默认可以。再分发受合同约束，学术档也不例外——把 OncoKB 注释打包再分发前需与 MSK 确认授权边界。

Q18：引用格式是什么？
同时引 Suehnholz SP et al. Cancer Discov. 2024;14(1):49-65 与 Chakravarty D, Gao J, et al. JCO Precis Oncol. 2017;2017:PO.17.00011——这是官方要求的合同义务（附录 H BibTeX）。

C. 证据与评估

Q19：8.9%→31.6% 的提升归功于谁？
Suehnholz 2024 的分解显示是「知识库扩张 × 精准药物审批加速」的乘积效应：四年半里 OncoKB 注释量翻倍、FDA 精准肿瘤批准加速（2024 摘要口径 51.9% 新药属精准治疗），两者共同把覆盖率推高 22.7 个百分点。

Q20：TP53 突变这么常见，为什么反而难受益？
TP53 占 43.2% 但几乎无直接成药路径——高频不等于可行动。这个错位正是 Levels 漏斗形分布的临床含义：最常见的致癌基因提供的是预后与分层价值，不是用药价值。

Q21：一条注释的等级会变吗？
会，而且变是常态。新试验读出可把 Level 4 升到 Level 2，耐药证据可新挂 R1——下游集成必须锁 release 版本，否则跨时间比较会漂移。

Q22：Level 3B 到底算不算证据？
算「反向信息」：它标记「标准治疗与该变异无关」，作用是阻止临床拿变异当用药依据。把它当正向 therapeutic evidence 是新手错误（§3.1 解读 3）。

Q23：Predicted Oncogenic 凭什么不加文献就判致癌？
凭变异类型与位置的功能推断（如未 characterize 的激酶域截断）——OncoKB 把「有机制的推断」与「完全未知」分开成档，给注释流水线更细的处理粒度；做严格统计时建议只用 Oncogenic/Likely Oncogenic 两档。

Q24：耐药注释怎么用？
R1/R2 与敏感等级合读：一条变异可同时挂 Level 1 敏感药与 R1 耐药标记（对上一代药），组合起来才是完整用药排序逻辑。

Q25：SOP v4.1 是什么？
FDA 认可审查所依据的标准操作规程版本，六项范围：注释内容、Levels 映射、验证流程、管理政策、治理、利益冲突。它同时是「想造第二个 OncoKB」的机构的能力清单。

D. 生产与库内

Q26：一条注释从文献到上线要多久？
无公开的端到端时限承诺；流程是 curator 初注 → CGAC 周会裁决 → 月度 release 上线，急迫的监管变动走即时更新通道。

Q27：MSK-IMPACT 在里面扮演什么角色？
三重角色：注释需求的需求源（临床问题从院内来）、评估队列（47,271 例有效性验证）、以及知识库与临床实践之间的反馈闭环（库内 rid 423）。

Q28：库内怎么和 cBioPortal 条目互链？
cbioportal（rid 413）是工程耦合最强的互链点：内建注释功能 + 共享 MSK 血统 + 共享核心人物；本条目另与 civic/msk-impact/clinvar/cosmic 等 10 条互链（§9.1）。

Q29：和本库其他知识库类条目的关系？
与 civic（rid 309，CC0 社区模式）、pharmgkb（rid 374，药物基因组）构成「知识库三色谱」：完全开放—合同制—专业域，许可光谱的三种典型解。

Q30：这个条目的数字什么时候会过时？
每个 release 都会让「规模数字」轻微过时——所以全文数字都带时点；结构性事实（Levels 定义、FDA 认可性质、许可架构）相对稳定，变动会以官方公告形式出现。

E. 工程与 AI 集成

Q31：把 OncoKB 注释喂给 RAG 系统要注意什么？
三层：许可层（学术系统免费、商业系统先签约，坑 4）、时效层（索引快照必须带 release 版本，坑 8）、表达层（LLM 转述等级时不要把 Level 3B/耐药行混进敏感证据——§3.5 的边界案例正是 LLM 最容易转述错的地方）。

Q32：变异标准化怎么处理？
OncoKB 内部有规范化体系（基于基因 + 变异命名的规范形式）；外部输入建议先做 HGVS 标准化或用 oncokb-annotator 的解析能力，自由文本变异名（如「EGFR 858」）命中率低。

Q33：批量注释的性能瓶颈在哪？
公共 API 限流 + token 配额是主瓶颈；签约快照绕开限流。经验法则：千条以下的队列用 API 错峰跑，万条级或全 exome 重注释用快照。

Q34：怎么监控等级变更？
对比相邻 release 的 diff（签约快照或重拉 API）；对关键基因集建立观察名单，Level 变化与 R 轴新增单独告警（§6.7 模式三）。

Q35：LLM 直接回答「某变异是 Level 几」可靠吗？
不可靠——模型训练语料里的等级是训练日快照，且幻觉率高。正确架构是检索 OncoKB 实时/快照数据、LLM 只负责组织表达（OpenEvidence 集成就是这个分工）。

Q36：能用自己的队列给 OncoKB 的覆盖率做类似评估吗？
可以，Suehnholz 范式（§7.5）三步可复制；注意锁定所用 release 版本、明确「standard care」的口径（Level 1-2），并在发表时注明知识库版本号。

F. 比较与选型

Q37：做注释系统，先接 OncoKB 还是先接 CIViC？
看许可与范围：学术项目先接 CIViC（CC0 零摩擦）快速跑通，再叠 OncoKB 提质；商业项目反过来——先把 OncoKB 合同谈起来（周期最长），CIViC 随时能加（§8.5 双库协议）。

Q38：ClinVar 里的体细胞条目能替代 OncoKB 吗？
不能。ClinVar 的体细胞覆盖是其种系主业的延伸，没有 therapeutic 分级与治疗行结构；体细胞治疗证据仍以 OncoKB/CIViC 为准（rid 136 条目）。

Q39：COSMIC 与 OncoKB 重叠多少、怎么分工？
COSMIC 重「目录完整性」（观测记录），OncoKB 重「临床行动性」（分级裁决）。做频率统计用 COSMIC，做治疗决策用 OncoKB；两者对同一变异的命名体系不同，关联需经基因+氨基酸位置归一。

Q40：PharmGKB 与 OncoKB 的药物信息怎么分？
PharmGKB 管种系药物基因组学（代谢酶、转运体对药代的影响），OncoKB 管体细胞药靶（肿瘤变异对药效的预测）。完整「某患者某药」的用药推理常需两库合读（rid 374）。

Q41：TCGA/CPTAC 队列注释为什么要挂 OncoKB？
TCGA/CPTAC 提供「变异在人群中的频率与多组学背景」，挂上 OncoKB 注释后才能回答「这些变异里哪些值得追」——频率层 + 行动性层是可用药突变筛选的标准两步（rid 25/259）。

Q42：Flatiron Health 和 OncoKB 什么关系？
同属「真实世界证据基础设施」但层次不同：Flatiron 汇聚治疗与结局数据（rid 378），OncoKB 提供变异证据层——结局研究中「按变异分层」的分析设计需要后者；两者无直接工程集成。

事实清单（硬事实 42 条）

1. OncoKB（Oncology Knowledge Base）是 MSK 维护的精准肿瘤知识库，官网 https://www.oncokb.org。
2. 官网首页 2026-10-03 实抓：1,033 Genes / 11,515 Alterations / 143 Cancer Types / 171 Drugs。
3. Levels 分布（按基因，2026-10-03）：Level 1: 59 / Level 2: 33 / Level 3: 38 / Level 4: 32 / R1+R2: 15。
4. 首篇论文：Chakravarty D, Gao J, et al. JCO Precis Oncol. 2017;2017:PO.17.00011，Epub 2017-05-16，PMID 28890946，PMCID PMC5586540，51 位作者，通讯 Nikolaus Schultz。
5. 论文内数字：5,983 个 MSK-IMPACT 样本、19 cancer types、41% 携带至少一条 oncogenic alteration、7.5% 可映射 Level 1。
6. 核心方法论文：Suehnholz SP et al. Cancer Discov. 2024;14(1):49-65，doi:10.1158/2159-8290.CD-23-0467，PMID 37849038，PMCID PMC10784742，被引 380+。
7. Suehnholz 2024：47,271 例 MSK-IMPACT 实体瘤，OncoKB 2017 版 vs 2022 版对照——standard care 覆盖 8.9%→31.6%（+22.7 pp）。
8. nonactionable 比例 44.2%→22.8%。
9. 队列最高频 altered genes：TP53 43.2%、KRAS 19.2%、CDKN2A 12.2%。
10. 规模时间序列：2017-05 >3,000/418 → 2021-10-07 >5,600/>680 → 2024-02 >7,600/>840 → 2026-10-03 11,515/1,033（alterations/genes）。
11. FDA partial recognition 于 2021-10-07 授予；官方页口径「first and remains the only」获认可的 somatic human variant database。
12. FDA 认可仅覆盖 FDA-Recognized Content 标签页内条目（partial 的含义），官方 FAQ 原文限定。
13. FDA 审查 SOP v4.1 六项范围：注释内容、Levels 映射、验证流程、管理政策、治理、利益冲突（COI）。
14. 监管框架背景：2018-04 FDA 发布 somatic variant 监管框架（fda.gov/media/99200）。
15. Levels 七档：1 / 2 / 3A / 3B / 4 / R1 / R2；与 AMP/ASCO/CAP 2017 tiering 共识 Tier I-IV 1:1 对齐。
16. oncogenic effect 五分类：Oncogenic / Likely Oncogenic / Predicted Oncogenic / Neutral / Unknown。
17. 注释四类字段：therapeutic implications、diagnostic implications、prognostic implications、mutation effect（含 prevalence）。
18. 泛癌 biomarker：MSI-H 与 TMB-H 在库；ASCO 2024 口径下 FDA 认可 biomarker 面为 52 genes + MSI-H + TMB-H。
19. ASCO 2024 摘要 e13507：1998-2024 年 217 个新获批 oncology 药物，83.4% targeted、51.9% 属精准肿瘤治疗。
20. Oncology Therapies 页面 bi-monthly 更新，年终发布总结版。
21. 治理：CGAC（Clinical Genomics Annotation Committee）多学科委员会逐周审阅；月度 release；FDA/NCCN 重大变动即时更新。
22. 核心机构：MSK Marie-Josée and Henry R. Kravis Center for Molecular Oncology（Kravis MO）。
23. 核心人物：Nikolaus Schultz（EVP/Kravis MO 主任/通讯作者）、Dimitri Chakravarty（Director of Scientific Strategy/一作）、Jianjiong Gao（共同一作，cBioPortal/OncoKB 双参与）。
24. license 四档：Academic 免费（注册审批制）/ Research in Commercial / Hospital / Commercial 签约付费；另有 Full 与 Limited 两档访问模型。
25. API：Base URL https://www.oncokb.org/api/v1，REST + Bearer token；机构邮箱申请、管理员批准。
26. 全量 JSON 数据快照仅限签约用户；网页全量公开可读。
27. 代码开源：github.com/oncokb 组织 29 repos；oncokb/oncokb（Java）AGPL-3.0，v4.5.0（2025-11-24），229 releases；oncokb-annotator（Python，AGPL-3.0）；oncokb-public（TS）；oncokb-sop。
28. 引用义务：使用数据须同时引 Suehnholz 2024 + Chakravarty 2017。
29. cBioPortal 内建 OncoKB 注释功能（共享 MSK 血统与核心人物，库内 rid 413）。
30. OpenEvidence 合作 2026-09-16 双源官宣：双向集成（OpenEvidence 进 MSK Epic 病历系统 + OncoKB 进 OpenEvidence 临床问答）；引语人物 Chakravarty / Anaeze Offodile II（MSK CSO）/ Travis Zack（OpenEvidence CMO）。
31. 时间线：2015 开发起步 → 2017-05-16 论文 Epub → 2018-04 FDA 框架 → 2021-10-07 FDA 认可 → 2024-02 方法论文 + ASCO 摘要 → 2025-11-24 代码 v4.5.0 → 2026-09-16 OpenEvidence 官宣。
32. 口径存照：MSKCC 宣传页「5,000+」levels/altered genes（另有「Nearly 7,000 clinical trials」）与官网首页 11,515 alterations 分属不同统计口径（2026-10 同时在线）。
33. CIViC 对照：社区策展 + CC0 + A-D 四级——OncoKB 的治理/许可/分级光谱对照物。
34. 旧域名 oncokb.mskcc.org 重定向至 oncokb.org；API base 现行为 https://www.oncokb.org/api/v1。
35. slug 查重：oncokb 在 ai_ready_dataset（status=1）中 0 rows（2026-10-04 查询），可安全使用。
36. OpenEvidence 集成面向普通用户的实际可用日期未披露（灰度节奏未知），本条目按「官宣于 2026-09-16」表述。
37. 等级挂在「变异 × 癌种 × 药物」三元组上，一条变异可携带多条治疗行且各带各的等级与 FDA 状态标记。
38. Level 3B 的定义是「该癌种标准治疗/FDA 批准疗法但与变异状态无关」——本质是反向标记，阻止临床以该变异为用药依据。
39. 诊断（diagnostic）与预后（prognostic）轴线无七档分级，证据强度以文字描述承载，与 therapeutic 轴的 Levels 体系不通用。
40. 头部基因（EGFR/BRAF/ERBB2/KRAS/BRCA1/2 等）贡献库里大部分「变异 × 癌种」注释组合，矩阵密度分布高度偏斜（§2.8）。
41. FDA/NCCN 重大变动走即时更新通道，先于月度 release 上线——页面实时内容与 release 边界内容可能短暂不一致（§5.6）。
42. 数据 release（月度）与代码 release（如 v4.5.0）各自独立编号，引用时须区分数据版本与软件版本。

术语表（38 条）

收录原则：正文首次出现时已给英文原文的术语在此统一释义；API 字段名保留原文不翻译；与库内其他条目（civic/clinvar/cosmic 等）共用的术语，释义以本条目语境为准。

术语	释义
体细胞变异（somatic variant）	发生于肿瘤组织而非生殖细胞的变异，肿瘤治疗的证据对象
oncogenic effect	OncoKB 的致癌效应五分类：Oncogenic/Likely Oncogenic/Predicted Oncogenic/Neutral/Unknown
Levels of Evidence	OncoKB 的治疗证据七档分级体系（1/2/3A/3B/4/R1/R2）
Level 1	FDA 已批准、针对该癌种的疗法（biomarker 受指南推荐）
Level 2	标准治疗：FDA 批于其他癌种或指南推荐该癌种
Level 3A	有力临床证据支持该 biomarker 预测该癌种治疗响应
Level 3B	该癌种的标准治疗/FDA 批准疗法，但与变异状态无关（反向标记）
Level 4	生物学证据支持 biomarker 预测治疗响应
R1/R2	耐药轴：临床证据/生物学证据支持的耐药标记
therapeutic implications	治疗含义字段：药物+癌种+证据级+FDA 状态
diagnostic implications	诊断含义：变异作为诊断/分型标志的证据
prognostic implications	预后含义：变异对疾病进程的预测
mutation effect	变异的分子功能后果（如 gain-of-function）与人群 prevalence
AMP/ASCO/CAP 共识	2017 年三学会联合发布的体细胞变异解读分级标准（Tier I-IV）
tiering	证据分层/分级的通用称谓
partial recognition	FDA 对数据库「部分内容 + 生产体系」的认可形式（非全库）
FDA-Recognized Content	OncoKB 中享受 FDA 认可信件效力的子集标签页
companion diagnostic	伴随诊断：与特定药物绑定审批的检测，监管引用 OncoKB 的主场景
MSK-IMPACT	MSK 的实体瘤院内膜测序平台（>500 基因），OncoKB 的队列与反馈源
CGAC	Clinical Genomics Annotation Committee，MSK 多学科注释裁决委员会
molecular tumor board	分子肿瘤委员会：多学科讨论变异-用药的院内机制
cBioPortal	MSK 出品的癌症基因组可视化平台，内建 OncoKB 注释
oncokb-annotator	OncoKB 官方 Python 批量注释客户端
AGPL-3.0	强 copyleft 开源许可：网络服务使用也须开源修改
Bearer token	HTTP 认证令牌，OncoKB API 的鉴权方式
MSI-H / TMB-H	微卫星不稳定性高 / 肿瘤突变负荷高——泛癌种 FDA 认可 biomarker
targeted therapy	靶向治疗：以特定分子靶点为前提的药物治疗
standard care	标准治疗：指南/监管背书的主流临床实践
assertion	注释声明：知识库的最小证据单元（分类+定级+文献）
release	OncoKB 月度正式版本，下游集成应锁定版本号
FDA-Recognized tab	官网内 FDA 认可子集的独立标签页，认可范围的视觉边界
regulatory scanning	监管扫描：FDA 批准与 NCCN 指南变动的系统跟踪管线
Oncology Therapies	官网内 FDA 认可 biomarker 全景页面，bi-monthly 更新
companion indication	药物标签中「凭 biomarker 选择患者」的适应证部分
gain-of-function	功能获得性突变：蛋白活性增强的分子后果类型
prevalence	变异在特定癌种中的发生频率（注释内以文献口径文字承载）
molecular tumor board	分子肿瘤委员会：多学科讨论变异-用药的院内机制，MSK-IMPACT 院内闭环的载体

附录

附录 A：条目信息速查卡

项	值
条目名	OncoKB
url_name	oncokb
类型	临床注释知识库（非传统患者级数据集）
官网	https://www.oncokb.org
运营方	MSK Kravis 分子肿瘤中心
论文	JCO Precis Oncol 2017;2017:PO.17.00011；Cancer Discov 2024;14(1):49-65
规模	1,033 genes / 11,515 alterations / 143 cancer types / 171 drugs（2026-10-03）
许可	数据合同制四档（学术免费）｜代码 AGPL-3.0
抓取时点	2026-10-03/04
库内互链	cbioportal(413)/civic(309)/msk-impact(423)/clinvar(136)/cosmic(128)/pharmgkb(374)/open-targets(456)/tcga(25)/cptac(259)/flatiron-health(378)

附录 B：DAIMS 评估全表

维度	评分（1-10）	依据
D 可发现性	9	官网结构清晰、两篇论文开放获取（PMC 可全文）、FDA 新闻稿与主流媒体广泛报道、GitHub 组织可索引
A 可获取性	6	网页全量公开可读 + API 学术免费，但 token 需审批、全量快照签约制、再分发受合同约束——「免费」与「开放」的落差是主要失分点
I 可互操作	9	REST API + JSON schema + oncokb-annotator 官方客户端 + cBioPortal 内建集成 + API key 体系成熟，程序化消费路径在同业中最全
M 元数据质量	8	每条注释自带证据文献 + 等级 + 版本；月度 release 有版本管理；扣分项：公开侧无法回溯历史快照（待核 1）、两套规模口径并存（坑 3）
S 可持续性	9	机构级运营（MSK）+ 商业 license 收入闭环 + FDA 认可背书 + 月度 release 九年不断更 + 229 个代码 releases——同业可持续性天花板
综合评级	8.2/10（高）	证据治理与机器可读性双高；可获取性被合同制拉低属于「法律层」而非「技术层」问题

评级说明三则：①与库内患者级数据集相比，本条目的「可获取性 6 分」含义不同——它的门槛在法律层（合同）而非技术层（注册/下载），两者对「AI-Ready」的阻碍路径不同，横向比较时需注明；②M 维度的扣分点（历史快照不可回溯、双口径并存）是知识库类条目的通病而非 OncoKB 独有，权重应低于患者级数据集的同类问题；③S 维度的 9 分基于九年月度 release 连续记录——对知识库类条目，「更新连续性」比「单一时点的完整性」更能预测长期可用性。

附录 C：逐项证据链自证

主张	证据来源	互证强度
1,033/11,515/143/171（2026-10-03）	OncoKB 官网首页实抓	第一手快照
Levels 分布 59/33/38/32/15	OncoKB 官网 Levels 页（同日）	第一手快照
5,983 样本/19 癌种/41%/7.5%	Chakravarty 2017（PMC5586540 全文）	论文原文
47,271 例、8.9%→31.6%、44.2%→22.8%	Suehnholz 2024（PMC10784742）	论文原文
2021-10-07 partial recognition	FDA/MSK 官方新闻稿（经科技媒体与官网双源）	双源
「first and remains the only」	OncoKB 官网 FDA 页原文存照	第一手
SOP v4.1 六项	官网 FDA 认可说明页	第一手
217 药物/83.4%/51.9%/52 genes+MSI-H+TMB-H	ASCO 2024 摘要 e13507	会议摘要（注明性质）
license 四档 + API 流程	官网 access/license/api-access 页	第一手
AGPL-3.0、v4.5.0（2025-11-24）、229 releases	GitHub oncokb 组织页	第一手
OpenEvidence 合作 2026-09-16	MSKCC 新闻稿 + OpenEvidence 公告页	双源
5,000+ 宣传口径	MSKCC 宣传页（与官网首页同时在线）	双口径存照

附录 D：数据获取决策树

你的身份与用途是什么？
├─ 学术研究，少量变异
│   └─ 官网网页直接查（零门槛）
├─ 学术研究，批量注释
│   ├─ 已有 cBioPortal → 开启内建注释（rid 413）
│   └─ 无 cBioPortal → 申请学术 token → oncokb-annotator（附录 G）
├─ 商业机构研究/产品
│   ├─ 先签 Research in Commercial / Commercial 协议（坑 4）
│   ├─ 需要全量数据 → 签约快照（JSON）
│   └─ 只需查询 → 协议范围内的 API
└─ 医院临床决策支持
    └─ Hospital 档签约 + 评估 Epic/OpenEvidence 集成路径

附录 E：license 四档细读

档位	谁	能做什么	不能做什么
Academic	学术机构非商业研究	免费 API/网页使用、发表研究	再分发数据、商业衍生
Research in Commercial	商业机构研究部门	签约后机构内研究使用	直接进入产品/对外服务
Hospital	医疗机构	临床决策支持集成	数据再分发
Commercial	商业产品	产品集成与服务输出	超出协议范围的使用

通用条款：引用义务（双论文）适用于全部档位；Full/Limited 两档访问模型决定签约时的数据范围；具体报价走官方销售。

附录 F：API 查询骨架（curl）

# 1) 申请 token：https://www.oncokb.org/api-access（机构邮箱 + license 类型 + 管理员批准）

# 2) 按基因+变异查询注释（Bearer token 认证）
curl -s "https://www.oncokb.org/api/v1/lookup?gene=EGFR&variant=L858R" \
  -H "Authorization: Bearer ${ONCOKB_TOKEN}" | python3.11 -m json.tool

# 3) 单基因批量（拿该基因全部变异注释）
curl -s "https://www.oncokb.org/api/v1/genes/EGFR" \
  -H "Authorization: Bearer ${ONCOKB_TOKEN}" | python3.11 -m json.tool

# 工程提醒：
# - 控制并发与频率（公共 API 有限流，坑 5）
# - 缓存结果必须记录 retrieval date 与 release 版本（坑 8）
# - 旧域名 oncokb.mskcc.org 已迁移，代码一律写 oncokb.org（坑 7）

附录 G：oncokb-annotator 批量注释骨架

# oncokb-annotator（Python 客户端）：给 MAF/变异列表批量挂 OncoKB 注释
# 安装：pip install oncokb-annotator   （仓库：github.com/oncokb/oncokb-annotator）

# 典型用法（以变异列表输入为例）：
#   oncokb-annotator -i variants.tsv -o annotated.tsv \
#     --oncokb-token ${ONCOKB_TOKEN}
# 输出列包含：oncogenicity、mutation effect、Level、treatment（ drug + cancer type + FDA status）

# 使用守则：
# 1) token 是机构资产，勿硬编码入库；用环境变量注入（示例即如此）
# 2) 批量前先用 10 条样本试跑，确认输出 schema 符合你的下游解析
# 3) 引用产出时附双论文引用（Suehnholz 2024 + Chakravarty 2017）

附录 H：BibTeX（官方要求双引用）

@article{suehnholz2024quantifying,
  author  = {Suehnholz, Samantha P. and others},
  title   = {Quantifying the Expanding Landscape of Clinical Actionability for Patients with Cancer},
  journal = {Cancer Discovery},
  year    = {2024},
  volume  = {14},
  number  = {1},
  pages   = {49--65},
  doi     = {10.1158/2159-8290.CD-23-0467}
}

@article{chakravarty2017oncokb,
  author  = {Chakravarty, Dishant and Gao, Jianjiong and others},
  title   = {OncoKB: A Precision Oncology Knowledge Base},
  journal = {JCO Precision Oncology},
  year    = {2017},
  number  = {2017},
  pages   = {PO.17.00011},
  doi     = {10.1200/PO.17.00011}
}

附录 I：检索路径示范（关键词组合与查询式）

目标	推荐查询式	预期命中
知识库本体	site:oncokb.org / “OncoKB” + “Levels of Evidence”	官网各页
首篇论文	“OncoKB: A Precision Oncology Knowledge Base” / PMID 28890946	PMC5586540
方法论文	“Quantifying the Expanding Landscape of Clinical Actionability” / doi:10.1158/2159-8290.CD-23-0467	PMC10784742
FDA 认可	OncoKB FDA recognition / “partial recognition” + “somatic variant database”	FDA/MSK 新闻稿
代码	github.com/oncokb / oncokb-annotator	组织页与各仓库
API 文档	OncoKB API v1 / oncokb.org api-access	官网文档页
反例（勿用）	oncokb.mskcc.org 作为 API base（坑 7）/「OncoKB database 全部 FDA 认可」（坑 2）	过时/错误结果

检索卫生两条：一、规模数字命中多个版本时，取与你的叙事时点最近的官方快照并注明日期（坑 8）；二、会议摘要（ASCO e13507）与同行评审论文的证据强度不同，引用时注明出处性质。

附录 J：坑点档案（与 §10 对照）

坑	一句话	首发场景	检测方法
1	名称家族四个实体	GitHub/文献检索	核对组织名与仓库名斜杠结构
2	FDA 认可范围误读	论文/报道引用	查官方 FAQ 原文限定 tab
3	两套规模口径并存	规模引用	注明页面与口径来源
4	许可双轨混淆	商业集成	数据走合同、代码走 AGPL 分开评估
5	token 非即点即得	deadline 前的集成	预留审批周期、用机构邮箱
6	oncogenic effect ≠ 可用药	药靶挖掘	先按 Levels 过滤
7	域名迁移	旧文档/代码	API base 一律 oncokb.org
8	数字不带时点	自动化系统	结果携带 release 版本与抓取日期

附录 K：基于 OncoKB 的研究/工程检查清单（12 项）

1. 许可核对：你的用途落在四档中的哪一档？商业语境下「研究用途」也要签 Research in Commercial。
2. 版本锁定：记录所用 release 版本与抓取日期，写入方法节与结果元数据。
3. 三元组查询：任何等级查询给全「变异 × 癌种 × 药物」语境，禁止基因级省略。
4. 等级过滤：药靶挖掘先按 oncogenicity + Levels 双过滤，Neutral/Unknown 不入阳性集。
5. 耐药合读：敏感等级与 R1/R2 合并排序，别只看 1-4 轴。
6. 3B 处理：Level 3B 作反向信息处理，不进 therapeutic 正证据集。
7. 标准化输入：变异名先 HGVS 规范化，自由文本命中率低（FAQ Q32）。
8. 限流预算：API 批量任务先试跑测吞吐，万条级改快照。
9. 两口径引用：「5,000+」与「11,515」不可混引，注明页面口径（坑 3）。
10. FDA 表述：涉及监管的表述用完整句式「partial recognition + FDA-Recognized Content 子集」（坑 2）。
11. 双论文引用：Suehnholz 2024 + Chakravarty 2017 同时引（合同义务，附录 H）。
12. 时效声明：所有规模数字带 as of 日期；跨库比较（vs CIViC 等）注明各自抓取时点。

附录 L：API 返回核心字段速查（数据字典）

字段	类型	语义
gene / geneEntrezId	string / int	基因符号与 Entrez ID
variant	string	规范化变异名
oncogenicity	enum	Oncogenic / Likely Oncogenic / Predicted Oncogenic / Neutral / Unknown
mutationEffect	object	分子功能后果
prevalence	string	人群频率描述（文献口径）
treatments[]	array	治疗行：drugs[]、cancerType、level、fdaApproved（布尔）
levelOfEvidence	enum (H/L)	治疗行证据等级（1/2/3A/3B/4 + 最高/最低标记）
resistanceTreatments[]	array	耐药行：药物 + R1/R2
diagnosticImplications[] / prognosticImplications[]	array	诊断/预后含义行
fdaRecognized	bool	是否属于 FDA-Recognized Content 子集
lastUpdate	string	该注释的最后修订时间

消费提示：treatments[] 是数组不是标量——「一条变异一个等级」的扁平化假设会在第一个多药条目上翻车；fdaRecognized 与 level 无蕴含关系（Level 1 不必然等于 FDA-Recognized，反之 Level 2 部分内容可能被认可），两个字段独立读取。

附录 M：OncoKB 大事年表（2015-2026）

年份	事件	里程碑性质
2015	OncoKB 开发起步（MSK 内部）	项目元年
2017-04	首个肿瘤无关（tumor-agnostic）批准路径确立（larotrectinib/NTRK）	监管范式铺垫
2017-05-16	首篇论文 Epub（JCO Precis Oncol，PMID 28890946）	学术立此存照
2018-04	FDA 发布 somatic variant 监管框架（fda.gov/media/99200）	法律轨道铺设
2021-10-07	FDA partial recognition（first and remains the only）	监管里程碑
2024-02	Suehnholz 方法论文（Cancer Discov）+ ASCO 摘要 e13507	评估范式确立
2025-11-24	代码 v4.5.0（AGPL-3.0，229 releases）	工程持续演进
2026-09-16	OpenEvidence/MSK Epic 双向集成官宣	知识分发革新
2026-10-03	本条目实抓快照：1,033/11,515/143/171	规模最新存照

年表的读法：学术（2017）→ 监管（2018/2021）→ 评估（2024）→ 分发（2026）四个阶段各自解锁下一阶段——每一步都以「前一步的可信度」为前提，这是知识库类基础设施的典型成长曲线。

附录 N：oncogenicity 五分类判定要素矩阵

CGAC 判定 oncogenicity 的证据要素可归纳为四列，五分类在各要素上的典型取值：

要素	Oncogenic	Likely Oncogenic	Predicted Oncogenic	Neutral	Unknown
功能研究（in vitro/in vivo）	有直接证据	有但范围有限	无（靠推断）	有阴性证据	矛盾/缺失
临床/人群关联（复发热点、共突变模式）	确立	强暗示	弱	已排除	未知
文献共识	多文一致	单/少文献但质量高	变异类型层面合理	一致阴性	不足
典型判定场景	经典驱动突变	新热点+初步功能证据	未 characterize 的功能域截断	已排除的乘客热点	数据太少无法裁决

三条使用纪律：①矩阵是理解框架，不是复刻算法——真实判定是委员会对文献的逐条裁决，不承诺机械可复现；②Predicted Oncogenic 与 Likely Oncogenic 的分界在「有无任何直接功能证据」；③Neutral 要求「有阴性证据」而非「没有阳性证据」——把「查无此文」标成 Neutral 是对分类体系的污染。

附录 O：Levels 在监管/学术场景中的引用适配

不同场景下 Levels 语言的「转译」方式：

场景	建议表述	注意
监管/申报文书	引 FDA-Recognized Content 条目 + 认可信件语境	用完整 partial recognition 句式（坑 2）
临床论文	引 Levels 原级 + Suehnholz/Chakravarty 双引用	等级注明 release 时点
方法学论文	用 AMP/ASCO/CAP tier 语言（Tier I-IV）	换算按 §3.2 对照表并注明体系
产品/工具文档	API 原始 level 字段 + 抓取日期	别在 UI 里只写「Level 1」不带癌种
教学材料	七档全谱系展示 + 3B 反向逻辑	强调 R 轴与敏感轴合读

附录 P：四角色快速上手路径

临床医生 / 分子肿瘤委员会成员

1. 官网搜索框直接查变异（零门槛）；
2. 读注释时先看 oncogenicity 再看 Levels 徽章，治疗行展开看各药 FDA 状态；
3. 耐药场景查 R1/R2 标记；指南衔接问题对照 NCCN 页面（§3）；
4. 引用记录到病历时注明查询日期与 release 版本。

生物信息学家 / 注释流水线工程师

1. api-access 申请学术 token（预留审批时间，坑 5）；
2. 先 oncokb-annotator 十条样本试跑（附录 G），确认输出 schema；
3. 设计缓存层时锁定 release 版本并记录抓取时间（§6.7、坑 8）；
4. 批量任务限流预算：千条级错峰 API，万条级评估快照。

数据产品 / AI 系统构建者

1. 先过许可：商业语境签 Research in Commercial/Commercial（坑 4），代码复用单独评估 AGPL；
2. 语料构建按 §3.8 分层：期刊文献与监管文件分开入层；
3. LLM 转述纪律：等级表述由检索层给数、生成层只做组织（FAQ Q35）；
4. 上线前跑一遍 §3.5 边界案例做回归测试（3B/R 轴/跨癌种借药最易错）。

研究者 / 综述作者

1. 引用双论文（附录 H），规模数字带 as of 日期；
2. 效用评估复用 Suehnholz 范式（§7.5）；
3. 与 CIViC 比较时保留各自体系标签（§3.6）；
4. 会议摘要（ASCO e13507）与期刊论文分开标注出处性质。

附录 Q：常见误用模式与纠正

误用模式	后果	纠正
「EGFR 是 Level 1」省略癌种与药物	跨场景误用等级	三元组查询（附录 K-3）
全库当 FDA 认可	监管材料失准	partial recognition 完整句式（坑 2）
Neutral = 未研究	负样本污染	Neutral 要求阴性证据（附录 N）
学术 token 用于商业原型	合同违约	商业用途先签约（坑 4）
引用 2017 论文数字描述现状	规模低估 3 倍+	数字带时点（坑 8）
网页基因级最高等级当全部	罕见变异等级高估	API/快照取完整注释（§3.7）
R1/R2 当作敏感证据	用药排序错误	R 轴独立处理（§3.5-4）
扁平化 treatments[] 为单值	多药条目信息丢失	数组结构保留（附录 L）

---

尾注

本条目为 AI-Ready Wikipedia 数据集条目，生产于 2026-10-04，抓取与核验时点见附录 A（官网首页实抓 2026-10-03）。事实陈述以 OncoKB 官网、Chakravarty 2017（JCO Precis Oncol）、Suehnholz 2024（Cancer Discovery）、FDA/MSK 官方新闻稿与 GitHub oncokb 组织页为源；FDA partial recognition 范围、MSKCC「5,000+」与首页 11,515 口径差、OpenEvidence 灰度时间等边界问题已在坑点与存照节逐条记录。条目与库内 cBioPortal（rid 413）、CIViC（rid 309）、MSK-IMPACT（rid 423）、ClinVar（rid 136）、COSMIC（rid 128）、PharmGKB（rid 374）、Open Targets（rid 456）、TCGA（rid 25）、CPTAC（rid 259）、Flatiron Health（rid 378）十条互链，构成体细胞变异解读与精准肿瘤证据基础设施的完整检索面。后续维护触发点：FDA 认可范围变动、license 结构调整、OpenEvidence 集成全量上线。

---

相关数据集导航

以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：

• pharmgkb — 共享标签：基因组学与多组学 / 测序数据 / 知识图谱 / 肿瘤学
• clingen — 共享标签：基因组学与多组学 / 变异与注释 / 测序数据
• sequence-ontology — 共享标签：基因组学与多组学 / 变异与注释 / 知识图谱
• imgt — 共享标签：基因组学与多组学 / 变异与注释 / 药物-靶点相互作用
• decipher — 共享标签：基因组学与多组学 / 变异与注释 / 测序数据
• cosmic — 共享标签：基因组学与多组学 / 变异与注释 / 肿瘤学
• dbsnp — 共享标签：基因组学与多组学 / 变异与注释 / 测序数据
• pcawg — 共享标签：基因组学与多组学 / 测序数据 / 肿瘤学
• civic — 共享标签：基因组学与多组学 / 变异与注释 / 肿瘤学
• cbioportal — 共享标签：基因组学与多组学 / 测序数据 / 肿瘤学

导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。