构建良性错义变异"真值集"的系统化方法：现状分析与应用突破

《AJHG》：Availability of benign missense variant “truthsets” for validation of functional assays: Current status and a systematic approach

【编辑推荐】为解决功能性实验验证中良性错义变异真值集(truthsets)匮乏的难题，研究人员开发了基于ACMG/AMP规则的基因水平系统评估框架。通过对8个遗传性乳腺癌卵巢癌基因的分析证明，该方法可显著提升致病性证据强度(PS3)，使CHEK2达"中等"证据强度，其余7个基因达"强"证据强度，为MAVEs技术在罕见变异分类中的应用奠定基础。

　　

在基因组医学领域，变异效应多重分析(MAVEs)技术为解读罕见错义变异提供了新工具，但这项技术的临床应用面临一个有趣悖论：要验证功能性检测的可靠性，反而需要预先存在经过明确分类的致病性和良性变异作为"黄金标准"(truthsets)。

研究团队发现，在现有临床变异数据库(ClinVar)中，仅有19.8%（23/116）的癌症易感基因能获得"强"级别的致病性证据(PS3)支持。这种良性变异参考集的短缺，严重制约了MAVEs技术产生的功能证据在临床分级中的应用价值。

为解决这一瓶颈，科学家们设计了一套创新性的系统评估框架：

1. 1.

   对目标基因所有可能的错义变异进行全景式扫描

2. 2.

   综合应用ACMG/AMP分类标准中的三大证据：

   • •

     人群频率数据

   • •

     计算机预测证据(in silico)

   • •

     病例对照研究信号

3. 3.

   通过组合规则批量鉴定可能良性变异

在8个乳腺癌卵巢癌相关基因(BRCA1/2等)的验证中，这套方法展现出显著优势：相比传统ClinVar≥2^?分类，系统构建的真值集使7个基因达到PS3"强"证据强度，CHEK2也提升至"中等"水平。这种突破为MAVEs技术在更广泛疾病基因中的应用扫清了关键障碍，让那些长期困扰临床医生的"意义未明变异"(VUSs)有望获得更精准的分类。