📚 课程目录第1章引言

ACMG变异致病性证据评定与分类 - 第1节

1.1 为什么需要ACMG/AMP指南？

先问个问题。你收到一份全外显子测序报告，上面写着一个基因的错义突变。这个突变是致病的吗？还是良性多态性？

2015年之前，这问题能让不同实验室吵起来。一个变异在这个机构判“可能致病”，到另一个机构直接写“意义不明确”。没有统一标准，说白了就是各说各话。我早年做遗传解读时，那叫一个头疼。同一个变异，根据文献、人群频率、家系共分离数据，不同人不同理解，结果就是报告五花八门。

核心痛点：变异解读缺乏标准化，导致临床决策不一致、重复劳动、甚至误诊。

1.1.1 变异解读的“黑暗时代”

我2012年刚入行那会，处理一个心脏离子通道病的变异。当时拿着Sanger测序峰图，翻文献、查数据库，全靠经验。你说这个变异在1000 Genomes里频率0.001，算高算低？没有明确阈值。你判断“可能致病”，我可能觉得“意义不明确”。

这里面有几个关键问题：

证据权重不统一：同一个PVS1(极强致病证据)在有的机构用，有的不用。
数据库规模小：gnomAD还没出来，ExAC也刚开始。几万人的数据根本不够判定稀有病变异。
功能验证缺失：绝大多数实验室没有能力做酶活、电生理等体外验证。

嗯，那时候做报告，最怕的就是“灰色地带”。一个VUS(意义不明确变异)可能卡几个月。

1.1.2 指南的诞生与初衷

2015年，美国医学遗传学与基因组学学会(ACMG)联合美国分子病理学会(AMP)发布了正式的变异解读指南。我至今还记得第一次看到那篇文献的震撼——终于有人把散落一地的碎片拼成了一张地图。

个人体会：指南最大的价值不是告诉你每个变异该怎么判，而是提供了统一语言。就像Unix时间戳一样，不同系统间交流需要共同基准。ACMG/AMP就是这个基准。

指南的核心目的是：

标准化证据等级：将每个证据细分为PVS(致病极强)、PS(致病强)、PM(致病中等)、PP(致病支持)、BA(良性极强)、BS(良性强)、BP(良性支持)。
减少主观臆断：用明确的规则组合替代“我觉得”。
提高可重复性：不同实验室用同一套规则，结果趋同。

1.2 指南的核心理念与五级分类体系

ACMG/AMP指南的骨架就是五级分类系统。这个体系把变异分成五个等级：致病(P)、可能致病(LP)、意义不明确(VUS)、可能良性(LB)、良性(B)。

你想想看，如果没有这个体系，一个变异可能被判为“灰色”、“可疑”、“倾向良性”等随意描述。有了五级分类，每个等级有清晰的证据门槛。

1.2.1 五级分类系统

分类	缩写	定义	证据要求
致病	P	变异与疾病明确相关	≥1个PVS + ≥2个PS/PM/PP 或 ≥2个PS + ≥1个PM/PP
可能致病	LP	变异极可能致病，但证据不足	≥1个PVS + ≥1个PS/PM 或 ≥1个PS + ≥2个PM
意义不明确	VUS	证据不足以判定	证据冲突或不满足任何分类标准
可能良性	LB	变异很可能不致病	≥1个BS + ≥1个BP 或 ≥2个BS
良性	B	变异明确不致病	≥1个BA 或 ≥2个BS

曾经踩过的坑：VUS不是“等额投票”的结果。有时候一个PVS证据加上1个PM就够了，但别忘了，PVS只能用于无义突变、移码突变等导致功能缺失的变异。我曾经拿着一个剪接位点变异去套PVS，结果发现它不满足PVS1的严格条件。一定要看清楚每个证据的适用前提。

1.2.2 证据等级权重

证据等级不是等价的。一个PVS(致病极强)可能顶好几个PM(致病中等)。

举个例子：

PVS1：基因功能缺失是疾病的已知机制 + 无义/移码/经典±1/2剪接位点变异。这个证据非常强。
PS1：与已知致病突变相同氨基酸改变。说白了就是这个错义突变在其他研究中已经证实致病。
PM2：在正常人群中频率极低。我这几年做ClinVar提交经常用到，但要注意，不同疾病对“极低”的定义不同。
PP3：多个计算预测工具支持致病。REVEL、CADD、SIFT、PolyPhen-2...我习惯至少用3个工具，结果一致才可信。

1.3 证据的整合与判定流程

拿到一个变异，怎么一步一步判？我分享一个个人习惯：先看功能影响，再看人群频率，最后看文献和家系数据。

1.3.1 从小众指南到国际标准

2015年指南发布后，迅速被全球实验室采纳。但也不是没争议。比如，PVS1的适用边界究竟在哪？剪接位点变异要不要算PVS1？有的实验室自己加了细则。

2018年，ClinGen(临床基因组资源)对PVS1做了细化说明，把标准更清晰了。我建议你把ClinGen的SVI工作组建议也存一份，跟指南一起看。

# 我整理的一个简单判定流程 (伪代码)
def classify_variant(variant):
    evidence = {}
    evidence['pvs'] = check_PVS(variant)
    evidence['ps']  = check_PS(variant)
    evidence['pm']  = check_PM(variant)
    evidence['pp']  = check_PP(variant)
    evidence['bs']  = check_BS(variant)
    evidence['bp']  = check_BP(variant)
    evidence['ba']  = check_BA(variant)
    
    # 按ACMG规则表组合
    if (evidence['pvs'] >= 1 and evidence['ps'] >= 1) or \
       (evidence['ps'] >= 2 and evidence['pm'] >= 1):
        return 'Pathogenic'
    elif ...:
        return 'Likely_Pathogenic'
    else:
        return 'VUS'

1.3.2 个人实践经验：搭建解读Pipeline

我有个项目，一个心血管基因的错义突变。人群频率极低(PM2成立)，但REVEL和CADD都预测有害(PP3成立)。不过，没有家系共分离数据，也没有功能验证。这时候我习惯先判LP?还是VUS?

我的经验：如果只有一个PM2+一个PP3，刚好够LP的最低门槛(PS+2PM或者PVS+1PM)。但PM2+PP3这两个都是中等证据，很多人觉得不够。我一般建议：除非有额外的PP(比如多个预测工具一致、蛋白质域高度保守)，否则保守一点判VUS更安全。

避坑指南：我曾经拿着一个错义突变，硬凑了3个PP证据去判LP。但后来发现，PP3只能算一次！多个预测工具算同一个证据。我那时没仔细读规则，差点给临床医生一个错误分类。记住：每个证据等级只能计一次，重复证据不叠加。

1.4 一个小综合框架图

我把ACMG/AMP的核心流程画了一张图。你可以看到从原始变异数据到最终分类，中间经过证据收集、权重计算、规则匹配，最后落到五级标签上。这个图我在内部培训时经常用，几分钟就把逻辑讲清楚了。

从图上你能看到，整个流程是线性的：数据进来 → 证据收集 → 权重分配 → 规则匹配 → 分类出结果。每一个环节都需要仔细判断，特别是证据权重的“唯一性”规则，我一开始就犯过重复计数的错。

实用建议：实际工作中，建议用表格把每个证据列出来，标注等级和来源。我一般会建一个电子表格，比如：

证据ID | 类型 | 证据内容                | 等级 | 来源
1      | PM2  | gnomAD东亚人群频率0.0002 | 中等 | gnomAD v3.1
2      | PP3  | REVEL 0.78, CADD 28     | 支持 | REVEL/CADD
3      | PS1  | ClinVar标记为致病       | 强   | ClinVar

然后对照ACMG规则表，数清楚每个等级的证据个数，再组合判断。这样做不容易漏、不容易错。