基于34种生物信息学工具的急性髓系白血病有害变异预测效能评估

本研究针对急性髓系白血病(AML)基因变异临床解读的挑战，系统评估了34种生物信息学预测工具（包括BayesDel、CADD、REVEL等）在ClinVar数据库和AML外显子组数据中的表现。研究发现BayesDel_addAF、MetaRNN和ClinPred三种工具在特异性(>0.9)和敏感性(>0.9)上表现最优，并在AML患者中鉴定出1421-2033个潜在致病变异，为VUS（临床意义未明变异）分类和精准治疗提供了新策略。

　　

研究背景与意义
急性髓系白血病(AML)作为高致死率血液肿瘤，其治疗面临两大瓶颈：60%的死亡率与30-40%的缓解后复发率。尽管基因组测序技术已广泛应用于临床，但如何从海量变异中精准识别致病突变仍是重大挑战。ClinVar数据库虽提供变异临床解读参考，却存在欧洲人群偏倚(7)、分类冲突(8)等问题。更棘手的是，当前AML标准基因 panel检测存在约15%的"阴性"患者(39)，凸显扩展致病基因筛查的紧迫性。

研究设计与方法
由Wardah Qureshi等研究人员开展的本研究，创新性地采用"数据库验证+临床验证"双阶段策略：首先基于2024年11月版ClinVar数据库（含2,996,542变异）评估34种工具（如REVEL、Polyphen2、GERP++等）的预测效能；随后将优选工具应用于40例AML患者外显子组数据（NCBI SRA: PRJNA1179857）。关键技术包括：ANNOVAR注释、工具性能矩阵分析（敏感性/特异性）、变异功能区域统计等。

主要研究结果

ClinVar数据集特征
分析显示ClinVar中仅3.8%变异为明确致病（115,798），而VUS（变异意义未明）占比高达21.2%。外显子区变异中，致病/可能致病变异占27.3%（150,662/551,213），凸显精准分类的必要性。

工具性能比较
BayesDel_addAF、MetaRNN和ClinPred展现出最佳平衡性：

• 敏感性：0.9337-0.9627
• 特异性：0.9245-0.9513
  而GERP++_NR虽检出33,839 AML变异，但特异性仅0.015，存在严重假阳性。工具间相关性分析显示，Eigen-PC与Eigen-raw预测一致性最高（r²
  =0.9）。

AML临床验证
三款优选工具在410个AML相关基因中发现：

• BayesDel_addAF：1421变异（56个已知AML基因）
• MetaRNN：1235变异（44个）
• ClinPred：2033变异（55个）
  24个基因被三款工具共同预测，对应患者骨髓原始细胞达49-56%，生存期仅43-52周。

结论与展望
该研究首次系统评估34种工具在AML场景的适用性，确立MetaRNN等三款工具作为VUS再分类的优选方案。通过整合多组学数据与临床指标，不仅验证了已知AML基因（如FLT3、NPM1），还发现新型候选靶点。未来需在更大队列中验证，并开发种族特异性预测模型以克服ClinVar的欧洲中心偏倚。这项发表于《Egyptian Journal of Medical Human Genetics》的成果，为AML精准分型与治疗决策提供了重要方法论支持。