《Genes》：Machine Learning Triage of LDLR Variants of Uncertain Significance Using Predictor Concordance and ACMG-Aligned Evidence Mapping
编辑推荐：
背景：LDLR基因中的意义未明变异（VUS）仍是家族性高胆固醇血症（FH）分子诊断的主要障碍。尽管计算方法可提供可扩展的优先级排序，但其临床效用受限于预测因子不一致、注释不完整以及由变异类型不平衡引起的性能虚高。研究人员旨在开发一种校准的、具备不确定性感知的机
背景：LDLR基因中的意义未明变异（VUS）仍是家族性高胆固醇血症（FH）分子诊断的主要障碍。尽管计算方法可提供可扩展的优先级排序，但其临床效用受限于预测因子不一致、注释不完整以及由变异类型不平衡引起的性能虚高。研究人员旨在开发一种校准的、具备不确定性感知的机器学习框架用于LDLR VUS分诊。方法：研究人员开发了端到端流水线，整合多来源变异注释与45个工程特征（扩展为68个编码特征），训练随机森林（RandomForest）、XGBoost与支持向量机（SVM）模型。该框架纳入预测因子一致性分析、剪接感知注释与显式不确定性建模。模型采用嵌套交叉验证训练，并在独立的ClinGen FH-VCEP专家小组数据集上评估。结果：XGBoost模型取得高判别性能（全变异ROC-AUC达0.99，错义变异约0.97）。在1092个LDLR VUS中，69%被赋予方向性分类，包括485个（44.4%）致病变异倾向与268个（24.5%）良性变异倾向；剩余31%被显式归为预测因子不一致（n=170，15.6%）或未解决（n=169，15.5%），保留不确定性。预测因子不一致在错义变异中尤为富集，表明朴素聚合in silico预测因子可能导致过度分类。结论：该框架为LDLR VUS优先级排序提供可扩展、透明且临床对齐的方法，生成与ACMG/AMP兼容的计算证据以支持专家策展与下游功能验证。
研究背景与动机
家族性高胆固醇血症（FH；OMIM #143890）是全球常见的常染色体显性遗传代谢病，杂合子患病率约1/300，但大量患者缺乏确定性分子诊断，延误降脂治疗并增加早发动脉粥样硬化性心血管疾病风险。低密度脂蛋白受体基因（LDLR；OMIM 606945；UniProt P01130）致病性变异占基因确诊FH的85%–90%。LDLR结构复杂，含配体结合重复序列、表皮生长因子样结构域及调控区，变异效应异质性强。ClinVar中数千LDLR变异仍为意义未明变异（VUS），成为诊断瓶颈。ClinGen FH-VCEP虽发布LDLR特异性ACMG/AMP标准，但功能实验、家系共分离与群体频率证据常不完整。现有in silico预测因子（REVEL、AlphaMissense、CADD、PolyPhen-2、SIFT）存在三方面的局限：变异类型驱动的信号致性能虚高；预测因子分歧时朴素聚合产生过度自信；注释缺失下仍输出高置信度。为此，研究人员构建不确定性感知的机器学习分诊框架，显式区分一致、不一致与证据有限情形，并将校准概率映射至ACMG/AMP的PP3/BP4证据强度。
主要技术方法概述
研究人员从ClinVar获取3962条LDLR变异记录，将临床意义归一化为P_LP（n=1880）、B_LB（n=990）与VUS（n=1092）；ClinGen FH-VCEP专家审阅变异排除出训练集作独立外部验证。注释层通过myvariant.info（dbNSFP v4.4）与Ensembl VEP（release 113）批量获取REVEL、CADD-Phred、PolyPhen-2、SIFT、AlphaMissense、MutationTaster、GERP++RS及剪接区域标记；非编码变异辅以VEP SpliceRegion二进制指示并设后置剪接救援规则。特征工程生成45原始特征（独热后68编码），涵盖序列、等位基因频率、分子后果、in silico预测、共识致病分、氨基酸生化、剪接、起源与交互项。模型层训练RandomForest、XGBoost、SVM，采用外层5折StratifiedKFold、内层3折RandomizedSearchCV嵌套交叉验证，缺失值仅于训练折中位数填补，XGBoost全变异模型经等渗回归校准。一致性分析基于REVEL与AlphaMissense阈值判定concordant/discordant/uncertain/insufficient；VUS分18级置信层级；PP3/BP4按Pejaver校准REVEL与AlphaMissense阈值映射；稳定性通过5种子切半训练10个校准XGBoost评估。
研究结果
3.1 队列：LDLR_3962含1880 P_LP、990 B_LB、1092 VUS；VUS中错义776（71.1%），其余为内含子、非编码、UTR等。
3.2 注释覆盖：错义训练子集REVEL覆盖87.0%、AlphaMissense 87.0%、CADD 93.2%、PolyPhen-2/SIFT 98.1%，存在系统性缺口故引入有限证据层。
3.3 模型性能：嵌套CV下XGBoost全变异ROC-AUC 0.9943±0.0018，错义仅模型0.9732±0.0223；三算法性能收敛，表明上限由预测因子信息量决定而非分类器容量。
3.4 VUS分诊：校准XGBoost对1092 VUS输出P(pathogenic)，485（44.4%）致病变向、268（24.5%）良性变向，170（15.6%）预测因子不一致、169（15.5%）未解决（0.35<p<0.65），保留不确定性。
3.5 预测因子一致性：566个VUS同时有REVEL与AlphaMissense；一致致病131、一致良性61、不一致170（其中168为REVEL致病/AlphaMissense良性），48.2%缺至少一预测因子；不一致层防止朴素均分误判。
3.6 错义子集：776错义VUS中Predictor_Discordant_VUS达170（约22%），证实错义VUS是分歧主载体。
3.7 剪接救援：636非编码SNV中200具剪接涉及标记；48个原未决VUS经splice+p<0.5规则重归类B_LB_splice_low，缩小未解决池。
3.8 特征组消融：移除in silico预测组使错义AUC从0.9589降至0.8046（ΔAUC 0.1543），其余组影响<0.005；移除consequence组使全变异AUC降0.0215，证伪“全变异AUC近1靠后果捷径”。
3.9 SHAP解释：RandomForest代理模型SHAP显示分子后果指示符与共识致病分主导，CADD-Phred、|Δ疏水性|次之；方向符合生物学预期。
3.10 ACMG映射：1092 VUS中BP4_Supporting 238、PP3_Moderate 84、PP3_Strong 62、Conflicting 99、NA 514；Conflicting与Predictor_Discordant_VUS重叠。
3.11 切半内部验证：两半AUC 0.9911/0.9934；跨半预测AUC 0.9919/0.9937；5种子10模型对VUS平均SD 0.089，627（57.4%）高稳定、144（13.2%）不稳定（SD≥0.20），稳定性层与一致性层正交。
3.12 外部验证：训练2651非专家ClinVar P_LP/B_LB，测219 FH-VCEP变异，ROC-AUC 0.9861、F1 0.9602、Brier 0.0568；错义亚组0.9748。
3.13 单预测因子对比：FH-VCEP全集REVEL单用AUC 0.54–0.57（不能评非错义），双预测XGBoost 0.850，全管道0.986；错义153例REVEL 0.947/AlphaMissense 0.978，全管道Brier最低0.046，校准优。
3.14 决策支持工作流：VUS检出→校准概率+一致性+PP3/BP4→四向路由（致病变向快审/级联筛查、良性变向降优先级、不一致送功能实验、未解决留观）。
讨论浓缩
研究人员指出全变异AUC≈0.99含后果驱动成分（去consequence降0.022），错义AUC≈0.97–0.98方为临床忠实基准；不一致非对称（REVEL致病/AlphaMissense良性为主）反映训练范式差异，显式隔离优于朴素平均；48.2% VUS缺预测因子故设有限证据层防虚高；PP3/BP4映射使输出可直接入ACMG/AMP或Tavtian贝叶斯点制；剪接救援减未解决但VEP后果术语粗，需SpliceAI连续分校准；切半稳定性揭示模型不稳定层（144 VUS）与预测因子不一致层正交，二者皆应优先功能验证；外部FH-VCEP验证支持作为预策展分诊层而非替代专家；局限含ClinVar标签异质、错义良性训练仅54例致校准方差大、CNV未涵盖、预测器生态相关性误差。
结论翻译
研究人员提出一种可解释、不确定性感知的机器学习框架用于LDLR基因意义未明变异优先级排序。模型对69%的VUS赋予方向性分类，同时显式保留不确定性，15.6%被识别为预测因子不一致而非过度分类。错义子集的稳健性能（ROC-AUC约0.97）确认预测由in silico预测因子与氨基酸特征的生物学有意义信号驱动，而非平凡后果效应。剪接感知注释的整合进一步改善非编码变异分类，针对ClinGen FH-VCEP数据的强外部验证（ROC-AUC约0.99）支持其在LDLR/FH场景下的外部有效性。重要的是，将输出映射至ACMG/AMP兼容证据码可实现直接临床解读。总体而言，该框架可协助优先将LDLR VUS送交专家审阅与下游验证，同时在证据不足处保留不确定性，为降低VUS不确定性、优先化再评估与支持FH精准诊断提供可扩展且临床对齐的路径。论文发表于《Genes》。
