《Genes》：Evidence-Calibrated Reanalysis of an Otosclerosis Locus Generates a Testable Myeloid State Hypothesis
编辑推荐：
摘要专业翻译
背景/目的：神经发育障碍（NDDs）是一组以大脑发育和功能改变为特征的异质性疾病，常伴随复杂的遗传结构。下一代测序技术，特别是全外显子测序（WES）的广泛实施，显著增加了潜在疾病相关变异的检出数量，使主要挑战从变异检测转向其解读与优先级排序。本综
摘要专业翻译
背景/目的：神经发育障碍（NDDs）是一组以大脑发育和功能改变为特征的异质性疾病，常伴随复杂的遗传结构。下一代测序技术，特别是全外显子测序（WES）的广泛实施，显著增加了潜在疾病相关变异的检出数量，使主要挑战从变异检测转向其解读与优先级排序。本综述审视了人工智能（AI）在NDDs的WES变异解读中的新兴贡献，重点聚焦于AI辅助的变异优先级排序和蛋白结构建模。方法：研究人员综述了适用于WES解读不同阶段的传统计算方法和新兴AI驱动方法，包括变异致病性和功能效应预测、进化保守性分析、剪接评估、表型信息驱动的优先级排序以及蛋白结构预测。研究人员在神经发育基因组学背景下对其方法学原理、应用和主要局限性进行了批判性检验。结果：AI和机器学习方法日益整合基因组、表型、功能和结构信息，支持表型感知的候选变异优先级排序及选定变异的分子情境化解读。然而，计算输出受模型特异性局限性的影响，不应被视为致病性的独立证据。其附加价值主要取决于所提供信息的互补性和生物学相关性，而非仅依赖预测器的一致性。结论：本叙述性综述强调，AI辅助的WES解读应优先考虑互补性、机制相关的证据，而非单纯的计算一致性。因此，AI辅助工具应根据变异类别和疾病机制进行选择，并与独立的临床、遗传和功能证据整合。
论文主体内容专业总结
1. 引言
神经发育障碍（NDDs）是一组由大脑发育改变引起的临床异质性病症，涵盖智力障碍（ID）、自闭症谱系障碍（ASD）、注意缺陷/多动障碍（ADHD）等多种疾病类型。NDDs具有较高的全球健康负担，其遗传结构极为复杂，疾病相关改变涵盖单核苷酸变异（SNVs）、小片段插入缺失（indels）、拷贝数变异（CNVs）及更大规模的结构重排。全外显子测序（WES）已成为NDDs诊断的一线遗传学检测手段，但每个外显子组包含数千个基因组变异，变异解读和优先级排序而非变异识别本身已成为神经基因组学诊断的主要挑战。传统变异解读依赖群体等位基因频率、遗传模式、进化保守性、功能后果预测、家系共分离数据、表型-基因型关联等多源证据的整合。在此背景下，机器学习和人工智能（AI）方法作为基因组解读的有力工具逐渐兴起，能够整合复杂多维生物学信息以估计变异致病性、预测剪接或蛋白功能改变，并促进潜在疾病相关变异的优先级排序。深度学习的最新进展进一步将应用拓展至蛋白结构生物学领域，AlphaFold、RoseTTAFold和ESMFold等模型为研究候选变异的结构背景及其对蛋白构象和分子相互作用的潜在影响提供了新机遇。
2. AI在神经基因组学工作流程中的应用
2.1 传统WES数据分析工作流程
WES分析流程通常分为一级、二级和三级分析。一级分析涉及原始测序信号向核苷酸序列的转换及测序读长的生成，质量控制在此时至关重要。二级分析将测序读长比对至人类参考基因组，随后进行比对后处理和变异检出，SNVs和小片段插入缺失被识别并存储在变异调用格式（VCF）文件中。三级分析代表从变异检测向生物学和临床解读的过渡，识别的变异利用群体、临床、进化和功能数据库信息进行注释。尽管测序和生物信息学流程持续改进，三级分析仍是WES诊断的主要瓶颈。NDDs中罕见变异的解读尤为困难，原因是广泛的遗传和表型异质性、可变表现度、不完全外显率以及大量可能导致重叠临床表现的基因。此外，新发变异、体细胞嵌合、表型随发育时间演变以及多种分子诊断共存等因素进一步放大了解读挑战。
2.2 人工智能在WES解读和变异优先级排序中的整合
机器学习和深度学习正日益整合到基因组分析中，以支持WES检出变异的解读和优先级排序。与传统基于预设阈值和独立标准的变异过滤不同，AI模型通过从大规模基因组和生物学数据集中学习复杂关系，将多种特征整合为定量预测。这些模型可纳入序列背景、氨基酸特性、进化约束、蛋白结构域、调控特征、剪接模式等分子特征。深度学习进一步使模型能够直接从大规模基因组数据集中提取复杂序列特征，减少对手动定义特征的依赖。蛋白语言模型和基础模型方法的最新进展将AI辅助解读从基因组序列扩展到氨基酸序列和蛋白水平信息。在NDDs中，表型驱动的优先级排序尤为重要，利用人类表型本体论（HPO）术语的标准化表型描述可依据基因型-表型相似性对候选基因和变异进行排序。然而，AI生成的预测不应被视为致病性的独立证据，其性能取决于训练数据的质量和组成，可能受对已知基因、变异类别、人群和疾病机制的偏倚影响，应结合群体频率、家系分离、遗传模式、表型兼容性、功能证据和既定变异分类框架进行综合解读。
3. 变异解读中的人工智能与致病性预测计算机工具
3.1 从传统计算预测器到AI驱动方法
计算机预测已成为变异解读的组成部分。历史上，致病性预测主要依赖进化保守性、氨基酸间理化差异、蛋白序列特性和预定义生物学特征。大规模基因组数据集和实验表征变异的日益可得性推动了基于机器学习（ML）、深度学习（DL）和生成建模的更复杂方法的发展。监督机器学习算法使用预定义标签的变异进行训练，集成方法进一步组合多个个体预测器或基因组注释的信息，无监督或半监督方法则可推断生物学约束模式而不依赖临床致病性标签。
3.2 编码变异致病性预测
联合注释依赖性缺失（CADD）是最广泛使用的变异有害性估计框架之一，通过对比人类群体中观察到的变异与模拟变异，整合大量基因组注释为单一评分。罕见外显子组变异集成学习器（REVEL）专门用于罕见错义变异致病性预测，采用集成机器学习策略整合多个个体致病性和保守性评分。PrimateAI及其后续发展利用灵长类群体进化数据结合蛋白序列信息进行错义变异解读。AlphaMissense基于AlphaFold概念和蛋白序列建模，整合进化和结构背景信息估计氨基酸替换的致病可能性，可在蛋白质组规模上对大量理论上可能的人类错义变异进行预测。进化变异效应模型（EVE）采用生成式进化序列变异模型估计氨基酸替换是否与蛋白家族的进化约束相容，减少对现有临床标签的依赖。ProteoCast明确纳入多序列比对（MSA）衍生的置信度指标，允许预测评分与支持其的进化信息量共同解读。这些工具表明致病性预测正从个体保守性或特征算法向整合多维基因组、进化和结构信息的模型发展，但其评分不可直接互换，各模型受训练数据、架构、输入特征和致病性定义的影响。在ACMG/AMP框架内，计算证据可贡献于PP3或BP4标准，但ClinGen建议使用校准的、工具特异性阈值，并警惕将一致预测视为独立证据。
3.3 剪接改变的计算机与AI驱动预测
剪接改变的致病后果不限于氨基酸替换，影响经典剪接位点、邻近内含子区域、外显子调控元件或深部内含子序列的变异可能破坏前体mRNA加工。SpliceAI是一种深度神经网络，直接从原始核苷酸序列预测剪接位点，估计基因组变异诱导剪接位点获得或丢失的概率。MaxEntScan基于剪接位点供体和受体短序列基序的最大熵建模。MMSplice采用模块化框架，神经网络组件建模不同外显子、内含子和剪接位点区域。SQUIRLS使用机器学习框架组合多种序列和剪接相关特征。Pangolin应用深度学习模型预测剪接位点使用并扩展至不同生物学背景的剪接建模。计算机剪接预测仍受转录本选择、转录本注释完整性、组织特异性和发育阶段依赖性剪接等因素的限制，深部内含子变异尤为具有挑战性。
3.4 蛋白截短变异与功能证据
蛋白截短变异（PTVs）包括无义和移码变异，是NDDs中重要的潜在致病变异类别。其解读不能仅依赖提前终止密码子的预测引入，功能后果取决于转录本背景、外显子位置、无义介导的mRNA降解（NMD）和潜在疾病机制。预测触发NMD的变异可能通过转录本丰度降低导致功能丧失，而逃逸NMD的变异可能产生具有显性负性或功能获得效应的截短蛋白。变异效应多重检测（MAVEs）可并行实验表征大量变异，经适当验证和校准后可在定量贝叶斯框架内贡献于ACMG/AMP证据。
3.5 AI驱动的变异和候选基因优先级排序
致病性预测器估计个体遗传变异的潜在功能或有害效应，而变异优先级排序是旨在从NGS检出的大量变异中识别最可能解释特定患者表型的更广泛分析任务。AI驱动的优先级排序方法在统一分析框架内整合变异水平信息、基因-疾病关联、遗传模式、生物学通路、文献知识和通过标准化HPO术语表示的患者表型。Exomiser结合基于HPO的表型相似性与变异水平信息和遗传模式建模，利用模式生物的 phenotypes 信息支持人类疾病注释有限的基因优先级排序。Genomiser扩展该框架支持非编码变异优先级排序。LIRICAL基于似然比计算定量比较观察到的患者表型与疾病模型。Phen2Gene主要执行表型到基因的优先级排序。AMELIE强调从生物医学文献中提取知识。Xrare更明确地纳入机器学习，联合建模表型相似性和遗传证据。ORVAL平台整合机器学习方法评估候选变异组合，探索潜在致病性寡基因变异组合。表型驱动的优先级排序框架可利用患者HPO档案与已知疾病或基因相关表型之间的语义相似性，帮助解决NDDs中常见的广泛位点异质性和临床重叠问题。
3.6 序列到功能模型用于变异解读
序列到功能（S2F）模型是新兴的深度学习方法类别，设计用于预测基因组序列改变如何影响分子和调控过程，将DNA序列与基因表达、染色质可及性、转录因子结合、表观遗传修饰和RNA加工等功能输出联系起来。Enformer结合卷积神经网络和基于Transformer的自注意力机制，从约200kb基因组序列预测基因表达和染色质状态。AlphaGenome扩展S2F范式，处理约1Mb序列并预测数千个功能基因组轨道，包括基因表达、染色质可及性、组蛋白修饰、转录因子结合、RNA剪接和三维基因组组织。Corgi整合反式调控背景向量支持在未见细胞背景中预测调控活性和变异效应。S2F输出应解读为分子后果的背景依赖性预测而非临床致病性的背景无关估计。
3.7 整合计算证据：冗余性、互补性与机制依赖性
多种计算方法的整合不一定增加变异解读的强度。计算冗余和证据互补性之间存在核心区别：共享进化注释、训练数据集或组成算法的预测器可能产生一致输出但不提供独立证据。相反，探究基因型-表型关系不同维度的方法可提供真正互补的信息。变异效应预测处理序列改变预测的分子后果，表型驱动优先级排序评估其与临床表现的相关性，转录本和剪接分析处理RNA水平后果，实验校准的功能检测可直接研究特定分子效应，结构建模可在预期产生稳定改变蛋白产物时提供额外机制背景。计算工具应根据每个候选变异提出的问题选择，而非作为累积的日益复杂预测序列应用。
3.8 AI驱动变异解读和优先级排序的局限性与挑战
计算和AI驱动工具存在若干限制。预测性能可因变异类别、基因、分子机制和进化信息可用性而显著变化。进化保守性是变异效应预测的主要信息来源，但基因的进化历史本身具有异质性。监督模型可能继承训练数据集的偏倚，包括对深入研究基因、先前分类变异、特定变异类别或特定分子机制的过度代表。不同预测器经常整合重叠注释或训练数据，一致预测不应被解读为多个独立证据线。有害性、功能影响和临床致病性之间存在重要区别：预测改变蛋白功能的变异不一定致病，临床致病性还取决于基因-疾病有效性、遗传模式、合子性、外显率、分子机制和与患者表型的兼容性。HPO表型表示的应用也存在局限，包括HPO术语的层级组织和语义冗余、表型粒度差异以及不完整或可变的临床注释。RAG-HPO等新兴语言模型方法可支持从非结构化临床信息中自动化深度表型分析并将其映射至标准化HPO术语。PheMART使用深度对比学习将错义变异与特定临床表型关联。
4. AI与蛋白结构预测
4.1 人工智能在蛋白结构预测中的应用
遗传变异的功能后果最终由其影响生物学过程的方式决定，可能包括蛋白折叠、稳定性、分子相互作用或活性的改变。对于错义变异，单个氨基酸替换可能改变局部理化特性、破坏结构或功能相关残基、或干扰蛋白-蛋白和蛋白-配体相互作用。实验性蛋白结构测定资源密集且对相当比例的蛋白和蛋白区域不可用。深度学习进展和蛋白序列及实验解析结构的日益可得性使模型能够学习氨基酸序列、进化约束和三维组织之间的复杂关系。AlphaFold2的出现代表该领域的重大进展，证明深度神经网络即使缺乏密切相关的实验模板也能高精度预测蛋白结构。
4.2 AI蛋白结构预测工具
AlphaFold2整合初级氨基酸序列、多序列比对（MSAs）和结构模板信息，通过深度学习架构建模残基间的进化和空间关系，其蛋白质组规模应用极大扩展了人类蛋白质组的结构覆盖率。RoseTTAFold引入三轨神经网络架构，在一维序列、二维距离图和三维坐标水平间迭代交换信息。ESMFold利用大型蛋白语言模型学习的表示直接从个体氨基酸序列预测三维结构，减少对传统多序列比对管线的依赖。AlphaFold3被设计为统一深度学习框架，能够预测包含蛋白、DNA、RNA、小分子配体、离子和修饰残基的生物分子复合物，采用扩散结构生成组件，在多种生物分子相互作用类别上表现改进。结构预测伴随适当的模型置信度评估，预测局部距离差异检验（pLDDT）提供残基水平预测置信度估计，预测对齐误差（PAE）估计残基对之间的预期位置误差，预测模板建模评分（pTM）评估全局结构置信度，界面预测模板建模评分（ipTM）评估涉及多链相互作用的预测。均方根偏差（RMSD）是结构比较指标而非预测可靠性内在度量，应区分模型置信度与结构比较度量。
4.3 候选遗传变异的结构情境化
在WES为基础的NDDs变异解读工作流程中，结构建模可代表变异过滤和致病性优先级排序后的下游调查水平。结构情境化主要适用于错义变异和保留蛋白产物的其他蛋白改变变异，对预期通过NMD导致转录本降解的蛋白截短变异信息价值有限。结构建模不应被视为变异优先级排序后的一般下游步骤，而是候选变异功能情境化的多种机制依赖性方法之一。对于许多NDD相关基因编码的转录和染色质调控因子，基因组和调控情境化可能比结构建模更具信息性。受影响残基的位置可在功能结构域、催化或结合位点、蛋白-蛋白界面、二级结构元件和周围分子环境背景下评估。AlphaFold3预测含不同类别生物分子复合物的能力进一步扩展了在更广泛分子背景下检查候选变异的可能性。然而，结构预测与变异效应预测之间存在重要区别：AlphaFold及相关工具主要用于预测可能的蛋白结构而非量化氨基酸替换的能量或致病后果，直接比较独立预测的野生型和突变型结构应谨慎解读，结构差异不应被解读为致病性的直接证据。
4.4 AI结构预测的当前局限性
AI结构预测模型存在若干限制，预测精度在蛋白间不统一，特别是在固有无序或高度柔性区域，单一稳定三维构象可能无法充分代表其生物学状态。解释也可能受选择性蛋白亚型、膜蛋白、翻译后修饰、相互作用伴侣和生物学相关构象状态的影响。分离蛋白模型可能无法再现多聚复合物或膜相关系统的天然环境。预测结构改变应在模型置信度、蛋白功能和可用实验证据背景下解读。pLDDT和PAE等置信度指标在从预测结构得出结论前应始终予以考虑。
