第4章：群体数据评估（PM2、BS1、BS2）——gnomAD数据库使用与等位基因频率阈值
群体数据评估，说白了就是看这个变异在正常人群里到底有多“稀有”。如果某个变异在成千上万个健康人里压根儿没出现过，那它致病的可能性就很大。反过来，如果它在人群里到处都有，那它大概率就是个良性多态性。
我个人习惯把群体数据称为“变异解读的照妖镜”。很多可疑变异，往gnomAD里一丢，原型就露出来了。这一章我们专门聊gnomAD的使用，以及三大核心标准：PM2、BS1、BS2。
4.1 gnomAD：群体数据的主战场
gnomAD全称是Genome Aggregation Database。它整合了超过7万个全基因组和12万个全外显组的数据。到目前为止，这是最权威的人群变异频率数据库。
嗯，这里要注意：gnomAD虽然庞大，但它不是“零疾病”数据库。理论上它剔除了严重早发疾病的患者，但仍然包含一些晚发疾病或轻微表型的携带者。所以在引用PM2时，我们常说“在gnomAD中未收录”或“频率极低”，不能说“因为不在gnomAD里，所以一定致病”。
关键字段快速指南
| 字段名 | 含义 | 我常用的解读策略 |
|---|---|---|
| Allele Count (AC) | 该变异的等位基因总数 | AC=0时，PM2支持致病；AC>5时小心良性 |
| Allele Number (AN) | 该位点的总等位基因数 | 用于计算频率，AN太低时（<5000）谨慎 |
| Allele Frequency (AF) | 等位基因频率 | 直接判断变异是“稀有”还是“常见” |
| Homozygotes (Hom) | 纯合子数量 | 存在纯合子时，BS2直接支持良性 |
| Filter | 数据质控标志 | PASS以外的过滤标志通常不信任 |
4.2 PM2标准：变异在人群中的低频或缺失
PM2的全称是“在健康人群中极度低频或未收录”。这个标准是致病性证据中支持强度较高的一条。但很多人容易用错——以为只要AC=0就算PM2。
先看ACMG官方原话：
PM2: Absent from controls (or at extremely low frequency if recessive) in Exome Sequencing Project, 1000 Genomes Project, or ExAC.
注意：是absent from controls，不是absent from database。我在项目中遇到过这样的坑：一个疑似致病的变异，在gnomAD的东亚人群中AC=0，但全球总频率有0.0001%。严格来说，这不算“absent”——尤其是显性疾病，0.0001%的频率其实已经算低频，但不足以支持PM2。当时我和团队争论了很久，最后还是决定只给PM2_Supporting。
我自己总结的PM2使用规则：
- 显性遗传病：在gnomAD中AC=0，AN>100000，才放心给PM2。
- 隐性遗传病：可以适当放宽到我使用的阈值内，比如<0.005%（根据疾病流行率调整）。
- X连锁：男性患者未收录，女性患者极低频，都支持PM2。
4.3 BS1和BS2——群体证据反击
如果说PM2是致病证据的“助攻”，BS1和BS2就是良性证据的“绝杀”。
BS1：等位基因频率高于疾病流行率
这个很好理解。如果一个变异的频率比该疾病的患病率还高，它就不可能单独导致该疾病。不然全世界都是患者了。
举个例子：
疾病：囊性纤维化（欧美人群发病率约1/2500）
致病等位基因频率上限 ≈ sqrt(1/2500) ≈ 0.02%（隐性杂合携带率）
如果一个变异在gnomAD中的频率是0.5%，远超0.02%
→ 直接给BS1，非常强有力的良性证据我曾经见过一个报告，把频率1%的变异标为“疑似致病”，理由是“在东亚人群里没见过”。我一查popmax，全球频率1%来自于拉丁美洲人群。这就完全不能支持PM2，反而应该考虑BS1。最终那个variant被降级为VUS。
BS2：在健康纯合子中观察到
BS2是最直白的良性证据：存在健康的纯合子个体。如果是隐性遗传病，正常纯合子就意味着该变异不够“坏”。如果是显性疾病，任何纯合子的存在都说明这个位点不致病。
我在gnomAD中如何查BS2：
- 点击gnomAD的“Population Genetics”卡片
- 直接看“Homozygotes”一栏的数字
- 如果Homozygotes > 0，且该疾病预期表型在数据库中可以被检测到，毫不犹豫给BS2
- 如果Homozygotes=0，但总频率很高（例如>1%），我习惯写BS1而非BS2
4.4 群体频率阈值的制定策略
ACMG没有给你一张写死的“阈值表”。我建议每个实验室根据自身服务人群和疾病类型制定内部阈值。下面这张表是我自己实验室用的，仅供参考。
| 人群频率阈值 | 显性疾病 | 隐性疾病 | X连锁 |
|---|---|---|---|
| <0.0001%（极高置信PM2） | 适用 | 适用 | 适用 |
| 0.0001% – 0.001% | PM2_Supporting | PM2_Supporting | PM2 |
| 0.001% – 0.5% | 不用于PM2 | 可能支持（需结合疾病流行率） | 不用于PM2 |
| 0.5% – 5% | BS1（除非该疾病极常见） | BS1_Supporting | BS1 |
| >5% | BA1（良性强证据） | BA1 | BA1 |
4.5 群体数据评估的完整操作流程
我建议按照下面这张流程图的顺序跑一遍，避免漏项。
4.6 常见疑问与避坑
Q：gnomAD v2和v4我该用哪个？
我现在都用v4。v2主要基于GRCh37/hg19，v4基于GRCh38，样本量也更大。但如果你还在用hg19参考基因组，建议同时查v2和v4。v4对东亚人群的覆盖更好。
Q：PM2能作为唯一的致病证据吗？
不可以。ACMG明确说：PM2是“支持性”证据，必须与其他致病证据（PVS1、PS1等）组合才能下结论。我见过有人单凭AC=0就写致病，这是大忌。
Q：BS1和BS2冲突怎么办？
如果同一变异同时符合BS1和BS2，那无疑是良性。但如果BS1和PM2都出现（例如频率略低于阈值且AC=0），就看哪种证据更扎实。我通常以BS1优先——因为频率数据远比AC=0可靠。