4. ACMG规则基础
咱们今天聊点实在的。
ACMG规则里，除了那些一锤定音的强证据（比如PVS1、PS1），剩下大量工作其实是在跟“次要证据代码”打交道。说白了，PM2、PP3、PP2、BP4这些代码，才是日常分析中的重头戏。它们单个拿出来力度不大，但组合起来，常常是压死骆驼的最后一根稻草。
我刚开始接触肿瘤NGS报告时，总觉得这些“PM”、“PP”代码很烦人。每个都像“可能致病”，又像“意义不明确”，到底怎么用？后来踩了几个坑才明白——理解这些代码的本质，是区分“专家”和“新手”的分水岭。
4.1 次要证据代码总览：到底有哪些？
先把牌桌摊开看看。ACMG/AMP标准里，次要证据主要分为三类：
| 证据类别 | 代码 | 核心含义 | 应用场景 |
|---|---|---|---|
| 致病性 | PM2 | 在对照人群中极低频或缺失 | 罕见变异、新发变异 |
| 致病性 | PM1 | 位于已知突变热点或关键功能域 | 癌基因热点、激酶结构域 |
| 致病性 | PM3 | 与已知致病变异反式（隐性遗传） | 双等位基因失活 |
| 致病性 | PP1 | 家系共分离（多个患者共享同一变异） | 肿瘤家族史 |
| 致病性 | PP2 | 错义变异集中在良性比例低的基因 | 高约束基因（如TP53） |
| 致病性 | PP3 | 多种计算工具预测为有害 | 功能预测、保守性分析 |
| 致病性 | PP4 | 表型或家族史高度特异性 | 胚系遗传性肿瘤综合征 |
| 良性 | BP4 | 多种计算工具预测为良性 | 功能预测、保守性分析 |
| 良性 | BP1 | 截断变异出现在通常良性错义的基因 | 部分抑癌基因 |
| 良性 | BP3 | 功能重复区域的框内变异 | 重复序列区域 |
| 良性 | BS1/BS2 | 在对照人群中频率过高 | 群体频率证据 |
嗯，这张表看着有点长。但别急，真正在肿瘤场景里高频使用的，其实就那几个核心代码。我个人经验是：PM2、PP3、PP2这三兄弟，占了体细胞变异解读的一半以上工作量。
4.2 PM2：人群频率的“隐形门槛”
PM2 的定义很简单：该变异在对照人群中极低频（通常 < 0.1%）或完全缺失。但在肿瘤场景中，这个规则被玩出了新花样。
为什么会这样？因为肿瘤样本里的变异分为两类：
- 胚系（Germline）：来自遗传，人群频率有参考意义
- 体细胞（Somatic）：后天获得，人群数据库里根本不收录
对于体细胞变异，PM2 其实不太适用。你想想看，一个只在肿瘤里出现的突变，在正常人群数据库里怎么可能有记录？所以我建议：
体细胞变异解读时，PM2 应谨慎使用。 不要仅凭“这个变异在gnomAD里没有”就赋PM2。必须确认该变异是否也出现在正常组织中，或者是否为胚系来源。
我在一个肺癌项目里遇到过这样的情况：一个EGFR L858R变异，团队里有人坚持用PM2，理由是“群体频率极低”。但这可是经典的热点体细胞突变，用PM2根本不合适。最后在评审时，那个证据被直接取消了。
实战技巧： 对于体细胞变异，建议用“肿瘤突变频率+正常组织对比”来判断是否存在PM2。如果该变异在配对正常组织中完全测不到，可以视为“所在基因的体细胞低频证据”，但不要直接使用PM2这个代码。
4.3 PP3 vs BP4：预测工具的“双刃剑”
PP3 和 BP4 是功能预测证据的总和。它们指的是：用多个计算工具（如SIFT、PolyPhen-2、REVEL、CADD等）对变异进行功能影响预测，如果一致预测为有害，则赋予PP3；一致预测为良性，则赋予BP4。
这个规则在肿瘤场景里有个大坑——工具适用范围。很多通用型预测工具（比如SIFT、PolyPhen）是针对保守性蛋白设计的，对截断变异、剪接位点变异根本不敏感。我曾经用SIFT对一个无义突变做预测，结果返回“影响低”，让我哭笑不得。
# 一个典型的PP3证据来源示例
# 对BRCA1 c.5266dupC (p.Gln1756ProfsTer74) 的预测
工具：MutationTaster
结果：Disease causing
置信度：1.0
工具：CADD
评分：35.2
解释：高于20为致病性阈值，此变异预测有害
工具：REVEL
评分：0.83
解释：高于0.5为致病性阈值，此变异预测有害
结论：三种工具一致预测有害 → PP3成立这里有个关键点：PP3 不能仅靠一种工具。我个人的标准是至少使用3-4种工具，且所有工具结果一致。如果有分歧，PP3不应赋分，应保持中性。
避坑指南： 我曾经遇到一个案例，团队用了7种工具，其中5个预测致病，2个预测良性。最终他们还是给了PP3。结果在复审时，专家指出：“证据不能只看数量，要看一致性。” 那2个良性预测恰好对应的是对剪接变异更敏感的两种工具。最终PP3被降级为支撑性证据（不单独计入计数）。
4.4 PM3与PP1：家族与遗传的“证据链”
PM3 在隐性遗传的肿瘤综合征中非常关键。比如：ATM双等位基因失活导致的共济失调-毛细血管扩张症，或者MUTYH相关的结直肠癌。PM3要求变异与已知致病变异呈反式（trans）关系，即一个来自父亲，一个来自母亲。
PP1 则适用于显性遗传的肿瘤易感基因。如果在一个家族的多个患者中都检测到同一个变异（共分离），即可赋PP1。但你想想看，肿瘤场景里，能拿到完整家系样本的案例有多少？很少。所以PP1在肿瘤中的应用，很多时候是“有更好，没有也正常”。
4.5 PP2 vs BP1：基因突变的“脾气性格”
这两个代码非常有意思。PP2的意思是：这个基因的错义突变，通常导致疾病（即良性突变很少）。比如TP53，你敢相信大多数错义突变都是癌症相关吗？是的，因为TP53是一个高度约束的基因，绝大多数氨基酸改变都会破坏其功能。
反过来，BP1 适用于那些“截断变异通常是良性”的基因。你肯定觉得奇怪，截断怎么会是良性？但有些基因（比如MUC家族的粘蛋白基因），其功能结构可以容忍移码或截断而不影响整体功能。对于这些基因，如果出现一个截断变异，不能自动判为致病。
一句话总结： 基因的约束性评分（pLI、missense Z-score）决定了PP2和BP1的适用性。高约束基因倾向用PP2，低约束或功能冗余基因倾向用BP1。
4.6 综合解读：如何把“散装证据”组装成结论？
好了，现在我们手上有了一大堆PM2、PP3、PM1……怎么把它们拼成一个完整的分类？ACMG的规则是：
- 致病：1个极强 + ≥1个强；或 ≥2个强；或 1个强 + ≥3个中等；或 1个中等 + ≥3个支撑性。
- 可能致病：1个强 + 1-2个中等；或 1个强 + ≥2个支撑性；或 ≥3个中等。
- 意义不明确：以上都不满足；或证据相互矛盾。
- 可能良性：1个强 + 1个支撑性；或 ≥2个支撑性。
- 良性：1个独立强；或 ≥2个强。
这里说的“强”、“中等”、“支撑性”对应的是不同证据级别的加权。次要证据代码（PM、PP、BP）通常属于“支撑性”级别，少数（如PM3）可以视为“中等”证据。
# 一个虚构的解读案例
变异：BRCA2 c.5946delT (p.Ser1982ArgfsTer22)
已知为致病，但需要确认证据组合
- PVS1（截断在关键功能域后）：极强
- PM2（人群频率为0）：支撑性
- PP3（3种工具预测有害）：支撑性
- PM1（位于BRCA2的DNA结合域）：中等
证据组合：
极强1个 → 满分为致病
（即使没有PM1，PVS1自身已足够，但PM1/PM2/PP3强化了结论）个人建议： 在写报告时，不要只列代码。最好将每个证据对应的“事实”写在旁边，比如“PVS1：移码截断在最后一个外显子之前，且大于10%的编码序列丢失；PM2：gnomAD东亚人群频率0%；PP3：REVEL 0.92”。这样评审人一眼就能判断你的逻辑是否成立。
4.7 肿瘤场景的特殊调整
ACMG最初是为罕见遗传病设计的。在肿瘤体细胞变异解读中，有些规则需要做局部调整：
- PM2 在体细胞中慎用：除非确认是胚系来源，否则不要直接引用。
- PP4 在肿瘤中更常见：因为很多体细胞变异的表型-基因型关联非常明确，比如EGFR L858R与肺腺癌。但在胚系场景中，PP4 需要更严格的家族史匹配。
- PVS1 对截断变异的标准需放宽：肿瘤中有一些截断变异发生在微小基因（如TET2、ASXL1的不规则重复区域），ACMG要求截断在最后一个外显子之前，但肿瘤中有些内部的截断也极具致病性（比如NPM1的框内移码）。
让我再用一个SVG图来把今天的逻辑串一遍：
这张图的核心逻辑就一个：先把变异来源分清楚，再逐层评估次要证据，最后组合为结论。每一步都是环环相扣的，漏掉一个环节就可能导致结果翻转。
4.8 避坑三则（来自实战）
最后，我送你三个最常见的错误，都是我亲手踩过的：
错误1：PM2与BS1混用。 PM2要求群体频率接近0%，BS1要求频率超过特定阈值（如0.5%）。有些团队在频率为0.2%时既不赋PM2也不赋BS1，导致证据缺失。正确的做法是：频率低于阈值（如0.5%）时，也可以赋BS1（良性强度），但同时可以查看是否为罕见变异。如果判定为罕见且无良性来源，PM2自然不成立。
错误2：PP3的“工具堆砌”。 我曾经见过一个报告，用了12个预测工具，7个预测有害，5个预测良性。报告撰写人硬是只挑了7个有害的来赋PP3。这明显是 cherry-picking（选择性汇报）。正确的做法是报告所有工具的结果，如果分歧较大，直接评为意义不明确。
错误3：PM3不考虑基因的剂量效应。 有些抑癌基因（如TP53）单个等位基因失活就足以导致功能丧失（单倍体剂量不足），此时不需要PM3来证明反式关系。但如果是真正的隐性基因（如MUTYH），PM3则是关键证据。这里需要先确认基因的遗传模式。
嗯，今天就讲到这里。次要证据代码虽然繁杂，但把握住“变异来源→工具选择→证据组合”这条主线，就能避免很多低级错误。实务中，你可能会遇到一些边缘情况——比如PM2和PP3同时满足，但证据仍然不足以判为可能致病。这时候，别犹豫，直接给VUS。
毕竟，比写一个错误的分类更糟糕的，是写一个没有经过深思熟虑的分类。