2. 变异解读标准术语与分类：致病变异、可能致病变异、意义不明确、可能良性、良性
好，咱们正式开始聊分类。这一章是整门课的基石。你想想看，不管我们做多少批次的一致性校验，最终落地的就是一个标签——这个变异是“致病”还是“良性”。
ACMG/AMP 指南把变异分成五级：致病变异（P）、可能致病变异（LP）、意义不明确（VUS）、可能良性（LB）、良性（B）。说白了，这五个标签就像裁判手里的红黄牌，决定了后续临床决策的走向。
我个人习惯把这五级看作一个“证据置信度”的连续谱。从最左边100%确定有害，到最右边100%确定无害，中间有个巨大的灰色地带——VUS。咱们这一节就把每个分类掰开揉碎讲清楚。
2.1 分类体系全景图
先给你们一张图，看看这五级分类在证据强度上是怎么排布的。我经常在团队培训时用这张图，把“证据天平”的概念可视化出来。
嗯，这张图大家要有印象。它告诉你两件事：第一，LP 和 LB 不是“弱化版的 P 或 B”，而是 证据级别还没达到明确标准；第二，VUS 不是垃圾桶，而是需要更多数据来“升级”或“降级”的临时状态。
2.2 逐级拆解：每个分类意味着什么
| 分类 | 证据强度要求 | 临床决策参考 | 我标注时的习惯 |
|---|---|---|---|
| 致病 (P) | ≥1个非常强 (PVS1) 或 ≥2个强 (PS) / ≥1个强+≥3个中等 (PM) | 可用于诊断、家系筛查、产前诊断 | 必须写清楚支撑的 evidence code，比如 PVS1+PS1+PM2 |
| 可能致病 (LP) | ≥1个强 (PS) + ≥1个中等 (PM) / ≥2个中等 (PM) / ≥1个中等+≥2个支持 (PP) | 可用于风险预警，但诊断性报告需谨慎 | 我会在备注里说明“建议积累家系共分离证据” |
| 意义不明确 (VUS) | 致病与良性证据均不充分，或证据相互冲突 | 不应直接用于临床诊断，需进一步研究 | 这是我的“重点关注区”，80%的批次不一致都发生在这里 |
| 可能良性 (LB) | ≥1个强良性 (BS) + ≥1个支持良性 (BP) / ≥2个支持良性 (BP) | 通常不报告，但用于排除分析 | 我常用 BS1+BP4 这种组合来降级 |
| 良性 (B) | ≥1个非常强良性 (BA1) / ≥2个强良性 (BS) | 不报告，可用于过滤背景变异 | 看到 BA1（等位基因频率 >5%）我直接标良性，不纠结 |
核心原则：分类的依据不是“我觉得它有害”，而是已经发表的、可量化的证据。这个表里我列出了常见的证据组合，但实际工作中要根据变异类型（错义、无义、剪接、CNV等）灵活调整。
2.3 关于“意义不明确 (VUS)”的特别说明
VUS 是咱们整个批次一致性校验里最头疼的问题。为什么？因为 VUS 的定义本身就是“模棱两可”。
我记得有一次，一个团队三个人看同一个 missense 变异，一个人标 LP，一个人标 VUS，一个人偏良性但证据不够也标了 VUS。最后一致性校验，三个结果居然“一致”成了三个不同分类？没有，我重新审了一遍。这就是典型的 VUS 判定主观性。
我给大家一个避坑指南：
- 千万不要把 VUS 当“兜底”标签。我曾经遇到一个项目，分析师拿不准的都标 VUS，结果 VUS 占比高达 45%。这完全不合理。
- VUS 需要“有方向”的描述。比如，“倾向于致病”（VUS-TP）或“倾向于良性”（VUS-TB）。很多实验室现在已经在内部这么用了。
- 跨批次一致性校验时，VUS 是最容易产生分歧的。我建议对于 VUS 变异，额外加一条“是否需要再分析”的记录。
一个实用技巧：当你在两个批次之间发现同一个变异从 VUS 变成了 LP 或 LB，不要急着标记“不一致”。先检查是否出现了新证据（比如新发表的文献、新的人群频率数据）。如果是，这是 合理的 reclassification，不算不一致。
2.4 分类对应的证据级别速查
下面这个列表我每次培训都会拿出来念一遍。记不住没关系，但你要知道去哪儿查。
- PVS1：无功能变异（如无义、移码、经典剪接位点±1/2）——非常强致病
- PS1/PM5：与已知致病突变相同/不同氨基酸改变——强/中等
- PM2：在对照人群中极低频（或未收录）——中等致病（注意：PM2 不能单独使用）
- PP3/BP4：多个计算工具预测有害/良性——支持
- BA1：在大型人群数据库中频率 >5% ——非常强良性
- BS1：频率高于疾病预期——强良性
- BP1/BP7：错义变异位于已知仅截断致病的基因上 / 同义变异且不在剪接区域——支持良性
在实际写报告时，我会附上一个“evidence code 快照”，就像这样：
变异：NM_000000.3:c.1000C>T (p.Arg334Trp)
分类：可能致病变异 (LP)
证据：PS1 + PM2 + PM5 + PP3
备注：该位点已有文献报道为致病，但未达到PVS1级别。这个代码块看起来简单，但它能帮你在批次校验时快速定位“为什么标 LP 而不是 P”的原因。
2.5 分类一致性校验的核心逻辑
好，最后我们回到批次校验本身。为什么这一章放在课程前面？因为如果你连分类含义都不统一，后面校验个寂寞。
我总结了一个校验时的对比逻辑，用表格呈现给大家，非常直接：
| 批次A 分类 | 批次B 分类 | 是否一致 | 处理建议 |
|---|---|---|---|
| P | P | ✅ 一致 | 无需处理，直接归档 |
| LP | P | ⚠️ 轻微差异 | 检查证据是否新升级，如果是则接受；否则标记为差异需复审 |
| VUS | LP | 🔴 显著差异 | 必须复审，确认是否有遗漏的PVS1或PS证据 |
| VUS | LB | 🔴 显著差异 | 必须复审，检查是否忽略了人群频率或计算预测证据 |
| LB | B | ⚠️ 轻微差异 | 检查是否出现了BA1或BS1新数据，可接受升级 |
| VUS | VUS | ✅ 一致（表面） | ⚠️ 仍需检查是否基于相同证据，避免“假一致” |
特别注意：我见过最坑的情况是两个批次都标了 VUS，但一方用的是“no population data + low conservation”，另一方用的是“computational prediction conflicting”。这两个 VUS 的证据路径完全不同，未来 reinterpretation 的方向也不一样。一定要记录证据细节，不能只看标签名。
好了，五级分类就说到这儿。你如果能把这五个标签背后的证据逻辑吃透，后面 80% 的校验问题都能一眼看穿。