体细胞变异致癌性分类新标准：ClinGen/CGC/VICC指南与QIAGEN临床决策支持软件(QCI)的效能比较研究

本研究针对癌症体细胞变异临床解读标准不统一的问题，系统比较了ClinGen/CGC/VICC新指南与QIAGEN Clinical Insight Interpret(QCI)软件的分类效能。结果显示二者对致癌性/可能致癌性变异分类一致性达97.2%，证实自动化决策支持系统与最新指南可协同提升变异解读标准化水平，对推动精准肿瘤诊疗具有重要意义。

　　

随着下一代测序(next-generation sequencing, NGS)技术在癌症基因组分析中的广泛应用，临床实验室面临的海量体细胞变异解读挑战日益凸显。从早期的单基因热点测序到如今的全外显子组测序(whole exome sequencing, WES)和全基因组测序(whole genome sequencing, WGS)，检测范围的扩大使得每个患者病例中需要解读的变异数量呈指数级增长。这不仅大幅增加了每个病例的分析时间，更对实验室内部和实验室间解读的一致性提出了严峻挑战。

过去十年间，各实验室不得不独立开发自己的分类标准，导致同类变异在不同机构可能获得截然不同的临床解读。2015年，美国医学遗传学与基因组学学院(American College of Medical Genetics, ACMG)和分子病理学协会(Association for Molecular Pathology, AMP)联合发布的遗传变异解读指南(简称ACMGv3指南)为遗传性变异提供了标准化框架，许多实验室尝试将其改造后应用于体细胞变异评估。然而，体细胞变异与遗传性变异在生物学意义和临床意义上存在本质差异，直接套用显然不够科学。

直到2022年，临床基因组资源(Clinical Genome Resource, ClinGen)、癌症基因组联盟(Cancer Genomics Consortium, CGC)和癌症变异解读联盟(Variant Interpretation for Cancer Consortium, VICC)共同发布了首个体细胞变异致癌性分类标准，才为这一领域带来了专门化的指导原则。与此同时，临床决策支持(Clinical Decision Support, CDS)工具如QIAGEN Clinical Insight Interpret One(QCI)等自动化系统已在实际临床工作中广泛应用，它们采用经过体细胞适应性改造的ACMGv3指南进行变异分类。这就产生了一个关键问题：基于最新专家共识的手工分类与自动化软件分类之间是否存在显著差异？这种差异对临床实践又意味着什么？

为了回答这一问题，研究团队开展了一项系统比较研究，成果发表在《Cancer Genetics》期刊上。研究人员采用了两套变异数据集：一套是Horak等人用于验证ClinGen/CGC/VICC指南的94个变异集合，另一套是来自梅奥诊所(Mayo Clinic)真实临床实践的215个变异集合，这些变异来自使用梅奥完整实体瘤面板(MayoComplete Solid Tumor Panel, MCSTP)检测的肿瘤病例。研究方法包括使用QCI软件进行自动化分类计算，然后由专家团队根据ClinGen/CGC/VICC指南进行手动分类，最后比较两种方法的分类一致性和差异来源。

研究结果显示，对于“致癌性”和“可能致癌性”变异，QCI系统的分类与ClinGen/CGC/VICC系统的评估结果具有97.2%的一致性。然而，ClinGen/CGC/VICC标准导致了更为保守的变异分类，有更大比例的变异被归类为“意义不明确的变异”(variant of unknown significance, VUS)和“可能良性”类别。具体而言，在Horak变异集分析中，基线分类的一致性为79.8%，经过人工审查和重新分类后，最终分类与ClinGen/CGC/VICC分类的一致性提高到88.3%。在梅奥变异集分析中，QCI计算分类与ClinGen/CGC/VICC指南分类的一致性为84.7%，最终分类的一致性为88.4%。

技术方法主要包括：使用QCI临床决策支持软件进行自动化变异分类；基于ClinGen/CGC/VICC指南的手工变异分类评估；应用多种生物信息学工具(REVEL、CADD、SpliceAI)进行功能预测分析；利用基因组数据库(gnomAD、COSMIC、cancerhotspots.org)进行变异频率和热点分析；采用回顾性分析方法评估来自梅奥诊所临床检测的真实世界变异数据。

结果

Horak变异集分析显示高度一致性但存在系统差异

比较分析显示，所有43个被ClinGen/CGC/VICC分类为致癌性或可能致癌性的变异也都被QCI分类为致病性或可能致病性。39个被分类为VUS的变异中，有22个被QCI同样分类为VUS，而另外17个被QCI分类为致病/可能致病(P-LP)。经过证据审查后，其中6个变异改为VUS分类与ClinGen/CGC/VICC保持一致，而其余11个变异维持P-LP分类。12个被分类为良性/可能良性(B-LB)的变异中，10个被QCI同样分类为B-LB，剩余2个经过人工审查后改为B-LB分类。

梅奥变异集证实相似趋势

在这项分析中，65个根据ClinGen/CGC/VICC指南分类为致癌性或可能致癌性的变异中，有62个被QCI分类为P-LP。经过人工审查后，所有65个变异的最终分类与ClinGen/CGC/VICC分类完全一致(100%一致)。140个使用ClinGen/CGC/VICC指南分类为VUS的变异中，有118个被QCI分类为VUS。人工审查后，另有4个变异被分类为VUS(共122/140一致)。被ClinGen/CGC/VICC指南分类为B-LB的变异在QCI计算和最终分类中更频繁地被归类为VUS类别，这是梅奥变异集中观察到的最显著差异。

分类差异的来源分析

研究人员创建了一个框架比较表，将ClinGen/CGC/VICC标准映射到QCI使用的ACMGv3启发式致病性分类框架中的等效或类似标准。然后将变异根据导致分类差异的因素进行分组，发现通常每个变异的分类差异有多个因素共同导致。主要差异因素包括：非ClinGen/CGC/VICC证据类型的考虑(如治疗相关性)；附加的非ClinGen/CGC/VICC证据类型考虑(如变异在遗传性癌症和/或疾病中的意义)；多个预测标准的应用加上功能标准不适用；ClinGen/CGC/VICC点系统中边界变体的处理；根据ClinGen VCEP建议功能标准强度降低；可能良性分类的-1分 cutoff值；以及对可操作基因中的变异更倾向于VUS分类而非可能良性分类。

讨论与结论

研究表明，2022年ClinGen/CGC/VICC指南为体细胞变异“致癌性”评估的标准化提供了一个起点，而在此之前这一领域的指导极为有限。在与临床决策支持工具的比较分析中，ClinGen/CGC/VICC使用的点系统比ACMGv3系统更直接简单，但两个系统在很大程度上取得了可比的结果。总体而言，与共识性的ClinGen/CGC/VICC评估相比，QCI的基线分类趋势是更倾向于将变异分类为致病性或可能致病性而不是VUS(Horak变异集)，以及更倾向于VUS而不是可能良性(梅奥变异集)。

研究揭示了导致ClinGen/CGC/VICC与QCI分类差异的几个关键因素。其中一个重要因素是ClinGen/CGC/VICC指南对某些预测标准同时应用的限制，这种限制降低了变异得分，使更多变异趋向VUS分类。另一个差异来源是对相同氨基酸上不同变异支持性功能证据的重视程度不同。许多根据与致癌基因或肿瘤抑制基因中已知相同氨基酸变异的相似性推断为致癌性的变异，使用ClinGen/CGC/VICC标准无法获得高于VUS的分类。

癌症热点复发评估中，cancerhotspots.org与COSMIC数据库的使用也导致了分类差异。虽然cancerhotspots.org是一个有用的资源，但许多小组历来在评估癌症中体细胞突变复发时参考COSMIC。ClinGen/CGC/VICC指南中优先使用cancerhotspots.org进行热点评估是导致更严格分类的另一个因素。

功能证据评估方面，在遗传性疾病背景下，ClinGen建议考虑包含大量致病性和良性对照的功能研究才能以最大强度应用PS3(OS2)标准。然而在体细胞背景下，支持致癌性的功能证据，无论多么有限，都可能为扩展生物标志物驱动的临床试验中包含的致癌/可能致癌改变列表提供信息。

体细胞变异解读的主要目标通常被认为是评估变异的可操作性——诊断和预后意义、治疗和临床试验资格。ClinGen/CGC/VICC指南采用逐步方法进行体细胞变异解读——先进行“致癌性”评估，然后进行“可操作性”评估。逐步过程对于治疗可操作基因中的变异效果良好，但对于具有治疗耐药性意义的变异和作为诊断或预后标志物的特征较少基因中的变异变得复杂。

这项研究证实，临床决策支持软件使用的可配置框架与已发布的ClinGen/CGC/VICC指南具有可比性，可以通过提供临时分类和满足的标准来简化变异解读过程，供科学审查。专家小组的进一步指导和指南采用经验的分享可以解决痛点，并随着时间的推移实现更好的标准化。最终，这种标准化将提高实验室间的一致性，确保癌症患者无论在哪里接受检测，都能获得一致的变异解读和临床建议，从而真正实现精准肿瘤学的承诺。