4、ClinGen的变体评估框架（ACMG/AMP指南）
说到ACMG/AMP指南，想必大家都不陌生。这个指南最早2015年发布，后来经过多次更新，现在是临床遗传学领域的“宪法”。但我个人觉得，这套东西刚出来时，很多人把它当成一个死板的打分表。实际上，它更像一个思维框架，告诉你哪些证据能往哪个方向推。
我在做基因诊断那几年，发现一个很有趣的现象：有的实验室直接把指南里的表格当“计算器”，填几个勾就出分类。结果呢？碰到一些边界案例，分类就乱套了。所以我在这章里，会结合ClinGen对这个框架的“落地”调整，把经验心得一起说出来。
4.1 五级分类体系
ACMG/AMP指南把变体分为五类：
- 致病（P, Pathogenic）：证据确凿，致病性＞99%
- 可能致病（LP, Likely Pathogenic）：证据较强，致病性90%-99%
- 意义不明确（VUS, Uncertain Significance）：证据不足以判断
- 可能良性（LB, Likely Benign）：倾向于良性，良性概率90%-99%
- 良性（B, Benign）：证据确凿良性，良性概率＞99%
说白了，这五类就是一张“确定性阶梯”。为什么要有“可能”这个级别？因为临床决策需要留余地。你可能觉得“可能致病”和“致病”差不多，但差这10%的概率，对于遗传咨询的措辞和后续处理方案，差别很大。
4.2 证据项解析：PVS1、PS1、PM2……
ACMG/AMP指南定义了二十多条证据项，每条有自己的缩写和强度。我把它归纳为四大类：
| 类别 | 代表证据 | 强度 | 说明 |
|---|---|---|---|
| 功能缺失 | PVS1 | 非常强 | 无功能变体（如无义、移码、剪接位点±1/2） |
| 人群频率 | PM2, BA1, BS1 | 中等/强/支持 | PM2: 在对照人群中极低/缺失；BA1: 在健康人群中频率＞5% |
| 共分离/家系 | PS1, PS2, PP1, BS4 | 强/支持 | PS1: 先证者患病的共分离；PP1: 共分离但样本量不够强 |
| 功能/预测 | PS3, PP3, BP4 | 强/支持 | PS3: 体外功能实验支持致病；PP3: 多个预测工具一致有害 |
嗯，这里有个坑。我曾经以为PVS1就是“无义变体直接给PVS1”，但ClinGen明确说了：前提是这个基因对单倍体剂量不足（haploinsufficiency）有敏感性。如果你给一个没有HI证据的基因的无义变体赋PVS1，那就过了。
所以每次评估前，先查ClinGen的基因-疾病有效性总结，确认疾病的遗传模式。
4.3 证据组合的金字塔逻辑
单条证据不能直接定论，必须组合。指南里列了一个表格，比如：
- 1个PVS1 + 1个PS1 → 致病
- 2个PS1 → 致病
- 1个PM2 + 2个PP3 → 可能致病
- 1个BS1 + 1个BP4 → 可能良性
但细看你会发现，这些组合是“经验规则”，不是严格的数学相加。ClinGen后来引入了贝叶斯框架，把每条证据的概率比（Likelihood Ratio, LR）算出来，算出后验概率，再映射到五级。这比单纯拼凑组合靠谱得多。
我自己的习惯是：先用组合规则做个快速分类，再用贝叶斯验证。如果两者冲突，我会回头检查证据的赋值是否严谨。尤其注意PP3和BP4这对“冤家” —— 同一套预测工具，既可能出PP3也可能出BP4，取决于你选哪个版本的数据库。你想想看，同一个变体，你在CADD里打25分可能是PP3，但换了REVEL打0.8分就成了强致病证据，这里面标准不统一。
具体换算公式：
后验概率 = LR / (1 + LR) × 100%
若后验概率 > 99% → 致病
90%-99% → 可能致病
10%-90% → VUS
1%-10% → 可能良性
< 1% → 良性4.4 贝叶斯框架：ClinGen的“补齐”
其实2015版指南里虽然有组合表，但没有给出概率计算。ClinGen在2017年推出了贝叶斯解释，正好补了这个缺口。现在很多自动化工具（如InterVar、VVP）都集成了贝叶斯计算。
贝叶斯框架的核心假设是：每条证据是独立的。这在实际中不成立，比如预测工具和物种保守性往往相关性很高。所以ClinGen建议：对高度相关的证据不能重复累加。但即使有偏，它仍然比固定组合表要灵活。
我个人更喜欢贝叶斯，因为它能处理“半条证据”的情况。比如某个功能实验只做了部分验证，你可以给一个较低LR（比如1.5），而不是硬塞一个“强”或“支持”。这就避免了过度归类。
4.5 整体流程：从变体到分类
下面这个SVG图概括了ClinGen推荐的完整评估流程。我自己每次做新品系分析时，都在脑子里过一遍这张图：
这张图里，我标注了从“证据不足时循环”的虚线。为什么？因为很多变体第一轮分类会落在VUS，这时你需要追加实验——比如做家系验证或功能实验。这就是为什么我建议分类不是一锤子买卖。
4.6 ClinGen对ACMG/AMP的修订要点
ClinGen在2018年后陆续发布了多份修订文件，主要有这几条：
- PVS1 的细化：增加了“PVS1_Strong”“PVS1_Moderate”“PVS1_Supporting”三个强度等级，根据基因HI证据强弱调整。
- PM2 的重新定义：以前简单说“在对照中缺失”，现在要求使用种族匹配的参考人群，并且排除疾病队列。
- PP3/BP4 的编码规则：规定至少要用两个独立预测工具（比如一个基于保守性、一个基于蛋白质结构），且一致才能赋值，否则只给予“支撑”级别。
- PS3 的强度分级：功能实验必须满足“可重复性”和“剂量反应”等标准，否则降级为PP3。
这些修订看似繁琐，实际上是为了减少人为差异。我记得有一次，同一个BRCA1变体，两个实验室因为对PVS1的理解不同，一个标致病，一个标VUS。后来按ClinGen的修订规则重新评估，双方才统一。
实用资源： ClinGen 的 SVI 网站提供了每个证据项的详细赋值指南 PDF：
https://clinicalgenome.org/working-groups/sequence-variant-interpretation/另外 ClinVar 也直接对接了 ClinGen 的分类，你提交变体后，如果标注了某个证据项，系统会自动给出推荐分类。
4.7 实战中容易踩的坑
最后，我根据多年经验总结几个高频雷区，你评估时多留个心眼：
- 忽略基因-疾病有效性：先查ClinGen的基因有效性分类表（Definitive/Strong/Moderate/Limited/Disputed），如果关联很弱，即使有再强的变体证据也不足以定致病。
- 把常规频率数据库当“万能”：gnomAD里频率0.001%的变体不一定致病，要看疾病流行率。例如某肌肉萎缩症在普通人群发病率1/1000，那么0.001%的频率可能就是隐性携带者，不能直接给BA1或BS1。
- 凭空合并证据：比如同一基因的不同功能实验（如酶活和蛋白稳定性）往往高度相关，只取最强的一条证据，不要重复加LR。
- 不区分先验概率：对于新发变体（de novo），先验概率已经很高（约万分之几），贝叶斯计算时要用人群患病率做先验。ClinGen提供了几种场景的先验计算模板。
嗯，这一块我自己也交过学费。曾经有一个线粒体基因变体，因为家系里共分离很好就给PS1，后来发现该疾病其实线粒体遗传有剂量补偿，共分离反而不能当作强证据。所以，从ClinGen的框架出发，每一步都要问：这个证据真的能加强我的信心吗？
希望这一章能帮你把ACMG/AMP指南从“死表格”变成“活工具”。