📚 课程目录第1章 ACMG解读标准概述

第1章 ACMG解读标准概述：历史背景、重要性与应用范围

1.1 历史背景：从混乱到共识

我入行那会儿，变异解读简直是个“各说各话”的时代。2015年之前，每家实验室都有自己的分类办法——有的按功能预测，有的凭文献报道，有的直接拍脑袋。同一个变异，在这家叫“可能致病”，在另一家可能就是“良性”。最极端的一次，我参与的一个多中心项目，同一个位点三家实验室给出了三种不同结论。你说这怎么跟临床解释？

ACMG（美国医学遗传学与基因组学学会）在2015年联合AMP（分子病理学学会）发布了第一版《序列变异解读标准与指南》，业内通常管它叫“ACMG 2015标准”。这份标准的核心贡献就是：把变异分成5个等级——致病、可能致病、意义不明、可能良性、良性，并且给出了一套可量化的证据规则（PVS1、PS1、PM2、PP3……每个代号代表一类证据）。

我个人觉得，ACMG最大的功劳不是给出了分类，而是让整个行业有了一个可以对话的“共同语言”。从2015年到现在，虽然出过几次修正案（比如2018年对PVS1的细化，2020年Bayes框架的引入），但底层的5级框架几乎没变。你想想看，在生物信息学这个日新月异的领域，能撑住近10年不改底层的标准，真不多见。

关键时间节点：
2015年：ACMG/AMP原始标准发布，定义了28条证据规则。
2018年：ClinGen SVI工作组对PVS1（无功能变异）规则进行细化，区分不同剪接位置。
2020年：Tavtigian等人提出Bayesian整合框架，将证据权重化。
2023年：ACMG发布《解读结果复现验证指南》草案，就是我们这门课要讲的核心。

1.2 重要性：为什么解读结果必须能复现？

说说我踩过的坑吧。曾经有一个项目，我按照ACMG标准手动解读了200个VUS（意义不明变异），把证据表格写得漂漂亮亮。结果三个月后换了一台服务器，重新跑一遍分析流程，居然有12个变异的分类变了。原因很离谱——上次用的数据库版本是ClinVar 2022-12，这次自动更新到了2023-03，其中一个PM2（人群频率极低）的阈值变了。你看，连数据库版本不一致都能导致结论翻盘。

这引出了一个核心问题：ACMG解读结果能不能被别人（或者未来的自己）原封不动地复现出来？

现实情况是：

不同解读工具的默认参数不一样（比如InterVar vs. VarSome vs. 自己写的pipeline）。
数据库更新周期不同（gnomAD每季度更新，ClinVar每周更新）。
证据规则的“主观调用”部分（比如PP4：表型特异性高）不同人理解不同。

如果没有一套可复现的验证方法，你拿一个Variant Call Format（VCF）文件过来，声称“这是致病突变”，别人根本没法验证你的推理链条。这在临床决策中是致命的——一份不可复现的遗传报告，风险跟没做一样。

我曾见过的一个真实案例：某实验室在论文中声称发现了某罕见病的1个新致病位点，使用了ACMG标准。但其他团队试图复现时，发现他们所用的参考基因组版本是GRCh37，而新团队用的是GRCh38，导致坐标偏移，根本对不上。最终结果被撤回。

1.3 应用范围：哪些场景需要ACMG复现验证？

你大概以为只有第三方检测机构才需要做这件事。其实错了。我列几个常见场景：

场景	为什么需要复现验证
临床诊断报告	医生要根据解读结果决定是否手术或用药，错误就是人命
多中心队列研究	不同中心用不同流程，统一标准后才能做荟萃分析
药物基因组学（PGx）	一个位点被解读为“代谢不良型”还是“中间代谢型”，用药剂量完全不同
新生儿筛查	假阳性会导致不必要的侵入性检查，假阴性会漏掉可干预疾病
科研论文评审	审稿人会质疑：你这个致病分类能由第三方独立复现吗？
实验室间质控（EQA）	CAP、CLIA认可要求实验室有标准操作程序（SOP）并证明可复现

说白了，只要你的ACMG解读结果会被别人引用、用于决策或者写入论文，你就得想办法让这个结果能复现。哪怕只是给自己留个底，半年后重新跑一遍也应该拿到相同结论——这才是靠谱的解读。

个人习惯：我每做一个解读项目，都会把以下信息固定下来：参考基因组版本、所有数据库的下载日期、证据规则的阈值（比如MAF < 0.005还是< 0.001？）、使用的软件版本号。然后把这些都写在run_info.json里放进结果文件夹。这不麻烦，但能省下未来无数的解释时间。

1.4 小结：这门课到底要讲什么？

从本章开始，我们会沿着一条线往下走：

先搞懂ACMG标准的证据体系（2~5章）——哪些证据项、怎么调用、怎么权重。
再搞清楚解读结果的可复现性瓶颈（6~10章）——数据库、版本、参数、主观判断。
最后给出具体的验证方法（11~30章）——包括自动化pipeline设计、数据追溯、审计日志、第三方复现协议和实战案例。

我个人希望，学完这门课之后，你能做到：随手拿起一个变异解读结果，闭着眼就能说清楚“要复现它，我需要保存哪些元数据、跑哪些命令、结果应该长什么样”。

一个简单的可复现解读输出例子（这份东西应该随报告一起交付）：

{
  "pipeline": "acmg_classifier v2.1.1",
  "reference_genome": "GRCh38.p14",
  "db_sources": {
    "gnomAD": "v4.1 (2024-02-10)",
    "ClinVar": "2024-03-01",
    "dbNSFP": "4.7a"
  },
  "thresholds": {
    "pop_max_af": 0.005,
    "rare_maf": 0.001
  },
  "variant": {
    "chr": "7",
    "pos": 117559584,
    "ref": "G",
    "alt": "A",
    "gene": "CFTR",
    "classification": "Pathogenic",
    "evidence": ["PVS1", "PS1", "PM2", "PP3"]
  }
}