全基因组致病变异预测性能被高估：构建分层基准与严格评估标准

《Nature Communications》：Genomic heterogeneity inflates the performance of variant pathogenicity predictions

　　最近的研究报告称，利用在庞大基因组数据上训练的大型深度学习模型，可在全基因组范围内以前所未有的准确度预测致病变异，包括非编码区域中的变异。为验证并理解这些报告的基础，我们系统性地评估了前沿模型对单核苷酸变异的预测准确度，重点关注能够对编码或非编码区域中多种变异类型进行评分的通用模型。我们的评估揭示，全基因组预测的性能因混合了具有不同致病变异基线患病率的变异类别而被严重高估。我们构建了一个按变异类型分层的基准，以识别各基因组背景下表现最佳的模型，确定哪些情况下可靠预测仍无法实现，并建立严格的标准以指导未来的评估。