MOLGENIS VIP：一种可配置的端到端DNA变异解读流程，助力基因组研究与诊断方法快速创新

为解决罕见病诊断中高通量基因组数据分析的挑战，荷兰格罗宁根大学团队开发了MOLGENIS VIP——一种支持短读长/长读长测序数据的全流程变异解读系统。该开源工具整合了CAPICE、SpliceAI等最佳实践算法，通过可配置决策树实现变异自动分类，在VKGL数据库和临床队列验证中召回率达93-100%，显著提升致病变异检测效率。

　　

在罕见病诊断领域，全球约3.5亿患者中多数难以获得分子诊断，这直接影响了预后评估和治疗选择。随着二代测序(NGS)技术的普及，基因panel、全外显子组测序(WES)和全基因组测序(WGS)产生了海量数据，但现有分析工具在 versatility（多功能性）和 scalability（可扩展性）方面存在明显局限。商业软件如Alissa Interpret受限于封闭架构，而开源方案如Scout缺乏从原始数据到临床报告的完整流程，且难以整合新兴算法。更棘手的是，长读长测序技术(PacBio/Nanopore)的兴起带来了结构变异(SV)和短串联重复(STR)等新挑战，传统流程已无法满足临床诊断对时效性和准确性的双重需求。

针对这些痛点，格罗宁根大学医学中心遗传学系的研究团队开发了MOLGENIS VIP（Variant Interpretation Pipeline）。这个端到端解决方案创新性地将测序数据预处理、变异注释、分类过滤和交互式报告生成整合为模块化流程，支持从FASTQ、BAM到VCF多种输入格式。研究团队通过与VKGL（荷兰基因组诊断实验室联盟）、EU-Solve-RD等国际项目合作，利用25,664个预分类变异和59个诊断病例验证系统性能，相关成果发表在《NAR Genomics and Bioinformatics》。

关键技术方法包括：1) 采用Minimap2/Samtools进行序列比对，DeepVariant/GLnexus进行变异检测；2) 整合CAPICE机器学习模型预测变异致病性，SpliceAI评估剪接影响；3) 基于VKGL和ACGS指南构建可配置JSON格式决策树；4) 通过Nextflow实现流程并行化，Apptainer确保跨平台复现性；5) 使用UMCG诊断队列和Solve-RD研究队列共59例患者数据进行验证。

研究结果部分显示：
模块化设计实现全流程覆盖
系统包含预处理、注释、过滤和交互报告四大模块，支持Illumina短读长和Nanopore/PacBio长读长数据混合分析。测试中处理20例WES样本(平均216MB)仅需4小时（16GB内存/4核CPU），显著优于需要手动拼接的多工具方案。

注释体系覆盖多维证据
默认整合21种注释资源，包括：

• 人群频率（gnomAD）
• 致病性预测（CAPICE评分>0.5时召回率95%）
• 剪接影响（SpliceAI cutoff=0.42）
• 表型关联（HPO术语+GADO基因网络）
• 临床解读（ClinVar/VKGL分类）

决策树实现智能过滤
基于ACMG指南的默认决策树实现五级分类（B/LB/VUS/LP/P）。在VKGL最新变异测试中，对已知LP/P变异召回率100%，新提交变异召回率93.5%。7个漏检变异中，21个因CAPICE评分不足，16个因SpliceAI评分处于临界值(0.13-0.42)。

临床验证展现实用价值

• 常规诊断队列（18例）：HPO过滤后候选变异从338个降至8个/例，保持77.8%召回率
• Solve-RD队列（41例）：联合过滤使候选变异从349个降至8个/例，致病变异排名平均提升至第4位
• 长读长数据成功检测STR扩展变异（Spinocerebellar Ataxia等疾病）

讨论部分强调，VIP的创新性体现在三个维度：技术层面实现"从原始数据到临床报告"的无缝衔接；应用层面支持快速整合新算法（如即将加入的RNA-seq模块）；生态层面通过开源模式促进国际协作（如ERDERA项目）。局限性在于当前HPO术语依赖人工录入，未来计划整合自然语言处理自动生成HPO标签。该工具已应用于新生儿筛查、炎症性肠病等10余个临床研究项目，其模块化架构为多组学整合奠定了基础，有望成为罕见病诊断的"瑞士军刀"。