📚 课程目录第4章变异的致病性评估

第四章变异的致病性评估：PVS1、PS1、PM2等标准详解

ACMG/AMP 指南里列了几十个证据标准，但坦白讲，真正在解读中天天打交道的，就那么几个。我个人习惯把 PVS1、PS1、PM2 称作“致病性判定的三驾马车”。

为什么是它们三个？因为一个负责功能丧失（Loss‑of‑Function），一个盯住已知致病的氨基酸改变，还有一个用人群频率掐断“良性”的可能。你想想看，这三个维度一交叉，大部分致病变异就无处可逃了。

但话说回来，每个标准都有不少“坑”。我之前在项目中踩过几次，后来发现只要把细节抠清楚，这几个标准其实是最好用的。

1. PVS1——功能丧失变异的“重锤”

PVS1 的强度是 Very Strong，说白了，只要你能证明一个变异导致基因功能丧失，它几乎可以直接锁定致病性。但这里有个前提：你得先搞清楚什么变异才配得上 PVS1。

适用变异类型：无义突变、移码突变、经典剪接位点突变（±1 或 ±2）、起始密码子突变、单/多外显子缺失。
核心评估点：是否触发无义介导的 mRNA 降解（NMD）。如果 NMD 被触发，蛋白质产物几乎为零；如果 NMD 逃逸，可能产生截短蛋白，功能未必完全丧失。
例外情况：变异位于最后一个外显子，或最后一个外显子的最后 50 bp 内，NMD 很可能逃逸，这时 PVS1 要降级。

ClinGen 的最新建议：PVS1 的强度可以分层——PVS1（Very Strong）、PVS1_Strong、PVS1_Moderate、PVS1_Supporting。具体用哪一档，取决于 NMD 评估和变异位置。

我在项目中遇到过一种情况：一个无义突变恰好落在最后一个外显子的第 30 bp 处。按照经典规则，它可能 NMD 逃逸，但功能实验显示蛋白质确实不稳定。后来我们综合了功能数据，把 PVS1 调整为 PVS1_Strong，而不是直接放弃。嗯，这里给你提个醒——千万别机械套用规则，生物学背景永远优先。

下面这段伪代码，展示了我平时判断 PVS1 适用性的逻辑：

# PVS1 适用性判断逻辑（简化版）
if 变异类型 in ['无义', '移码', '经典剪接位点']:
    if 位于最后一个外显子:
        if 位于最后 50 bp 内:
            强度 = 'PVS1_Moderate'  # NMD 逃逸高风险
        else:
            强度 = 'PVS1'
    else:
        强度 = 'PVS1'
else:
    不适用 PVS1

这里每行判断背后都对应着具体的基因组坐标和转录本信息，不能只看一个转录本就下结论。

2. PS1——同一位点的“铁证”

PS1 的逻辑很简单：如果一个变异与某个已知致病变异产生 完全相同的氨基酸改变，那它就是强证据（Strong）。

但这里藏着一个容易混淆的点——PS1 与 PM5 的区别。

标准	证据强度	条件	示例
PS1	Strong	相同的核苷酸改变导致相同的氨基酸改变	c.123A>G (p.Tyr41Cys) 与已知致病 c.123A>G 一致
PM5	Moderate	不同的核苷酸改变导致相同的氨基酸改变	c.123A>C (p.Tyr41Cys) 与已知致病 c.123A>G 不同，但氨基酸相同

我建议大家在用 PS1 时，一定去 ClinVar 或文献里确认一下 DNA 水平的改变是否真的完全一致。之前有个项目，我看到一个 c.456T>G 的改变，文献报道的致病变异是 c.456T>C，两者都导致 p.Phe152Leu。但 DNA 水平不同，所以只能算 PM5，不能给 PS1。一字之差，证据强度差了一档。

小技巧：查 ClinVar 时，不光看“Phenotype”一栏，要点进去看“NM_...:c.xxx”那一行，确认核苷酸和氨基酸两个层面都匹配。

3. PM2——人群频率的“滤网”

PM2 的原始定义是：在对照人群中缺失或 极低频率。它的证据强度是 Moderate，但 ClinGen 后来建议将其调整为 PM2_Supporting，原因是频率数据本身不足以作为中等证据，更多起“支持”作用。

实际使用中，我主要依赖 gnomAD 数据库。频率阈值取决于遗传模式：

常染色体显性：频率 < 0.0005（0.05%）
常染色体隐性：频率 < 0.01（1%）
X 连锁：频率 < 0.0005（0.05%）

我记得有一次，一个变异在 gnomAD 中频率为 0.0003，按 AD 模式看似乎符合 PM2。但仔细一查，这个频率来自一个特定人群的 founder 效应，并非真正的罕见。后来我们调出了该人群的详细数据，发现纯合子数量为 0，最终才确认 PM2 可用。频率数字本身不骗人，但你要知道它背后的样本构成。

注意：PM2 不能单独使用。它必须与另一个致病性证据（如 PVS1、PS1 或功能数据）组合，才能支撑“致病”判定。单独一个 PM2 只能标记为“不确定意义（VUS）”。

4. 三个标准的联动逻辑

单独看每个标准都不难，难的是把它们组合成一个完整的证据链。我一般按以下步骤走：

先看 PVS1：变异是否属于 LoF 类型？位置是否触发 NMD？能直接给 Very Strong 吗？
再看 PS1/PM5：这个氨基酸改变之前有过报道吗？是 DNA 层面一致还是只氨基酸一致？
最后看 PM2：人群频率是多少？数据库覆盖了多少样本？有没有 founder 效应干扰？
交叉验证：三个标准之间有重叠吗？比如 PVS1 + PS1 同时成立，那致病性基本稳了；PVS1 + PM2 也足够强。

下面这张图把这套框架串了起来，方便你对照使用。

5. 避坑指南

这些年做解读，我在 PVS1、PS1、PM2 这几个标准上栽过跟头，也看过不少同行犯类似错误。下面这几个坑，你遇到了绕着走。

PVS1 套用单一转录本：同一个基因可能有多个转录本，某个外显子在转录本 A 中是最后一个，在转录本 B 中却不是。我建议你挑最相关的转录本（通常是最长、表达最高的那个），但如果疾病相关的转录本明确，优先用那个。
PS1 忘了查 DNA 层面：只看氨基酸改变就下结论，结果把 PM5 当成了 PS1。我早期就犯过这个错，后来每次都会在报告里写清楚“c.xxx > yyy (p.XXX)”的完整格式。
PM2 不看数据库版本：gnomAD 每隔一段时间更新一次，版本之间的频率可能有波动。我习惯在报告里注明“gnomAD v4.0.0”之类的版本号，方便追溯。
三个标准互斥时强行组合：比如 PVS1 要求 LoF，但 PS1 对应的已知致病变异是错义突变（非 LoF），两者本质上冲突。这时需要功能实验来调和，不能简单叠加。

我曾经踩过一个坑：一个变异在 gnomAD 中频率为 0，我直接给了 PM2。后来发现这个位点在某个 founder 人群中存在 1 个杂合子，虽然频率极低，但那个 founder 人群的样本量很小，1 个杂合子对应的频率被稀释了。实际上，该人群的携带者比例可能不低。从那以后，我每次都会点开 gnomAD 的“Population”选项卡，逐个看 subgroup 的数据。

PVS1、PS1、PM2 这三个标准，吃透了能解决至少一半的变异解读问题。但就像我反复强调的，每个标准背后都有例外和细节，千万别把它当成死规则。多问自己一句：“这个变异的生物学背景，真的符合标准的假设吗？”

📚 课程目录

第四章 变异的致病性评估：PVS1、PS1、PM2等标准详解

1. PVS1——功能丧失变异的“重锤”

2. PS1——同一位点的“铁证”

3. PM2——人群频率的“滤网”

4. 三个标准的联动逻辑

5. 避坑指南

第四章变异的致病性评估：PVS1、PS1、PM2等标准详解