编辑推荐：
推荐
为解决 APP、PSEN1、PSEN2 基因众多错义变异（VUS）致病性分类难题，研究人员评估 AlphaMissense（AM）对 114 个 VUS 的预测能力。发现 AM 与 Aβ42/Aβ40 等指标相关性优于传统方法，且不依赖 AlphaFold2 结构信息，为 AD 相关 VUS 分析提供新工具。
论文解读
阿尔茨海默病（AD）如同隐匿的记忆小偷，以渐进性认知衰退为特征，其核心病理之一是大脑中 β 淀粉样蛋白（Aβ）斑块的异常沉积。在早发性 AD（EAOD）中，淀粉样前体蛋白（APP）、早老素 1（PSEN1）和早老素 2（PSEN2）基因的突变扮演着关键角色。然而，截至 2025 年 3 月，这三个基因中仍有 300 余个变异被归为 “意义未明变异（VUS）”，它们究竟是致病的 “帮凶”、无害的 “过客”，还是疾病风险的 “调节者”，始终困扰着科学界。传统的致病性评估依赖家族 segregation 分析，但许多患者缺乏完整家族史，导致大量 VUS 无法在 AD 临床试验中被有效评估，因此急需精准的计算方法来预测这些变异的分子效应。
在这样的背景下，美国加州大学圣地亚哥分校（University of California, San Diego）等机构的研究人员开展了一项重要研究，相关成果发表在《Biochemistry and Biophysics Reports》。他们聚焦于 AlphaMissense（AM）这一新兴技术，该技术整合了群体频率数据以及 AlphaFold 的结构和序列信息，旨在预测错义突变的致病性。研究团队通过将 AM 的预测结果与体外（in vitro）Aβ 亚型水平进行基准测试，系统评估了其在 AD 相关基因 VUS 中的应用潜力。
主要技术方法
研究采用了以下关键技术：
- 体外分析：利用 CRISPR/Cas9 敲除小鼠神经母细胞瘤细胞（N2A）内源性 Psen1 和 Psen2，构建 N2APS1/PS2 KO 细胞模型，用于评估 PSEN1、PSEN2 和 APP 变异的 Aβ 水平，数据来源于 Hsu 等和 Marsh 等的研究。
- 致病性预测模型：包括 AM、Combined Annotation Dependent Depletion（CADD）v1.7、evolutionary model of variant effect（EVE）和 Evolutionary Scale Modeling-1b（ESM-1B），获取各模型对变异的评分。
- 统计与 ROC-AUC 分析：运用 GraphPad 进行线性相关分析，计算 Pearson 和 Spearman 相关系数；通过 Python 脚本结合 scikit-learn 库进行 ROC-AUC 分析，评估模型在区分良性和致病性变异中的性能。
研究结果
AM 在结构不确定区域的预测能力
尽管 APP 的 AlphaFold2 结构全局预测局部距离差异测试（pLDDT）分数较低（67.45），但 AM 对 263 个已知致病性变异的整体预测准确率较高，PSEN1、APP、PSEN2 的致病性变异预测准确率分别为 91.00%、70.59%、89.66%。尤其在低 pLDDT（<70）的无序区域，AM 对 APP、PSEN1、PSEN2 变异的正确预测率分别达 64.71%、93.55%、100%，表明 AM 不单纯依赖 AlphaFold2 的结构信息，可能通过序列保守性和群体频率数据实现准确预测。
AM 与 Aβ 水平的相关性
- PSEN1 变异：AM 评分与 Aβ42/Aβ40 比值呈最强正相关（Spearman ρ=0.6097），优于 EVE（ρ=0.5561）、ESM-1B（ρ=0.5218）和 CADD（ρ=0.3592）；与 Aβ40 水平呈中度负相关（ρ=-0.5768），而 Aβ42 水平无显著相关性。
- APP 变异：各模型与 Aβ42/Aβ40 比值、Aβ42 和 Aβ40 水平的相关性均不显著，可能受样本量较小影响。
- PSEN2 变异：AM 与 Aβ42/Aβ40 比值呈显著正相关（ρ=0.4262），且与 Aβ42 水平的正相关性（ρ=0.4598）优于其他模型。
ROC-AUC 分析显示 AM 性能优势
在 263 个已验证变异中，AM 对 PSEN1 和 PSEN2 的 AUC 最高（>0.9），对 APP 的 AUC（0.7393）仅次于 ESM-1B（0.8286）。在 114 个 VUS 中，AM 的 AUC（0.7281-0.8130）显著高于 CADD，表明其在 VUS 分类中更具可靠性。
研究结论与意义
本研究首次全面验证了 AM 在 AD 相关淀粉样蛋白基因 VUS 中的预测能力，证实其在结构信息不足时仍能通过多维度数据准确评估变异致病性，且对关键生物标志物 Aβ42/Aβ40 的相关性优于传统方法。研究结果为 AM 在 AD 分子机制研究和临床变异解读中的应用提供了实证支持，尤其为缺乏家族史的 VUS 分类提供了新工具。此外，研究揭示 Aβ40 水平下降可能是驱动 Aβ42/Aβ40 比值升高的关键因素，为理解 PSEN 基因突变的致病机制提供了新视角。未来，结合多模型的集成方法可能进一步提升变异预测的准确性，推动 AD 精准医学的发展。
