3. 变异解读的关键要素:证据等级与分类规则

各位,咱们继续。前面两章我们把批次一致性问题的根因梳理了一遍,也看了几个挺棘手的案例。这一章,我得带你们回到最基础,也是最核心的问题上——证据等级和分类规则。你想想看,那么多证据项堆在眼前,哪个权重高,哪个只能算辅助,心里没杆秤可不行。

我自己的习惯是,拿到一个新变异,先从ACMG/AMP指南的框架里把证据项摘出来。但这里面有个坑:指南不是死的,证据等级也不是一成不变的。说白了,你得理解每条规则背后的逻辑,否则很容易被批次差异带偏。

3.1 证据等级体系:从群体数据到功能研究

ACMG/AMP指南把证据分成了几个大类:群体数据、计算预测、功能研究、家系共分离等等。每个大类下再细分不同的证据强度。我个人在临床解读中,最怕的就是把群体频率证据当决定性证据,尤其当样本量或批次有差异时。

下面这个表,是我在项目中手边常备的速查表。我建议你也可以存一份。

证据类别 证据代号 强度等级 典型应用场景
群体数据 BA1/BS1/PM2 独立致病性/支持良性/支持致病性 频率过高为良性;极低频或缺失为致病支持
计算预测 PVS1/PS1/PM5/PP3 非常强/强/中等/支持 无义突变→PVS1;错义突变→PS1/PM5
功能研究 PS3/BS3 强/强 体内/体外实验确实有破坏/无影响
家系共分离 PP1/BS4 支持/支持 家系内与疾病共分离或不分离
等位基因观察 PM3/BP2 中等/支持 反式或顺式位置
注意: 我遇到过不少团队,在跨批次分析时直接把PM2(极低频)当作致病性证据的主力。但不同批次的人群频率数据库版本不同,比如gnomAD v2和v3在某些位点上的频率差异能到10倍以上。你不做批次对齐,PM2就是失效的。

3.2 证据强度与组合规则

知道了每个证据的强度,下一步就是怎么把它们组合起来。我见过最头大的情况,就是有人把多个PP3(支持性预测)加起来,硬凑出一个“中等”甚至“强”,然后得出结论。这其实是不对的。

ACMG的规则很清楚:证据不能简单累加。证据之间有层级关系,必须按规则来推导。举个例子,PVS1(非常强) + PS1(强) = 致病性,但你不能说PP3(1) + PP3(2) + PP3(3) = 致病性。为什么?因为预测算法的一致性并不能代替功能验证。

下面这张图,我把它当成解读中的“导航地图”。每次做分类前,我都会走一遍这个流程。

ACMG/AMP 证据强度与分类逻辑图 证据输入 群体数据 (BA1/BS1) 计算预测 (PVS1/PS1) 功能研究 (PS3/BS3) 家系共分离 (PP1/BS4) 证据分级 非常强 / 强 / 中等 / 支持 组合判定 遵循层级+规则 不简单累加 分类输出 5级分类系统 致病性(P) 可能致病性(LP) 意义不明确(VUS) 可能良性(LB) 良性(B) 注意事项 · 跨批次时注意频率 · 预测证据不可叠加

3.3 5级分类系统:P、LP、VUS、LB、B

最终我们都得落到这个五级分类上。但我在实际操作中发现,最容易出问题的就是VUS(意义不明确)这个类别。很多人因为手里的证据不够强,就偷懒直接归到VUS。其实这是不负责的。VUS不是垃圾桶。

我自己用的一个原则是:一定要有明确的证据支持方向,才往致病性或良性方向靠。如果所有证据都模棱两可,那就老老实实写VUS,并说明原因。

经验之谈: 我曾经在处理一批来自不同平台的WES数据时,发现同一个变异在A平台被归为LP,在B平台被归为VUS。后来一查,是因为A平台用了新的gnomAD v4频率,而B平台还在用v2。批次数据源不一致,直接导致分类漂移。这就是为什么要做批次对齐。

3.4 实战:证据等级在批次一致性中的校验

好了,理论说了这么多,咱们来点实际的。假设你手头有两个批次,一个批次里的变异被标为PS1(强致病性),另一个批次里相同的变异,因为群体频率在某个亚群中稍高,被降级为PM5(中等)。你怎么判断?

我的做法是这样:

  1. 锁定证据源:先看两个批次的频率数据库版本是否一致。如果不一致,先做版本对齐。
  2. 验证计算预测:检查两个批次用的预测算法版本是否相同。比如SIFT、PolyPhen-2、REVEL,不同版本之间的评分有波动。
  3. 确认功能数据:功能研究证据(PS3/BS3)是否来自同一个实验批次?我遇到过同一个实验室,不同批次的实验结果都不一致。
  4. 最后做分类校验:如果以上步骤都对了,再按ACMG规则重新走一遍分类。

你别小看这四步。我团队里有位新同事,一开始觉得这是多此一举。直到有一次,他发现一个变异在批次A里是LP,在批次B里硬生生成了VUS。就是因为批次B的错误地将一个PP1(支持性家系共分离)当成了强证据,导致规则应用偏了。这个错误如果不纠正,后续临床报告就得召回。

核心校验清单:

  • ☑ 确认群体频率数据库版本一致(gnomAD v2 vs v3 vs v4)
  • ☑ 确认计算预测工具版本一致(SIFT 5.1 vs 6.0)
  • ☑ 确认功能研究批次的实验条件一致
  • ☑ 确认家系数据中患者表型批次编码一致
  • ☑ 验证所有证据的强度等级是否被正确分类

3.5 避坑指南:那些年我踩过的证据等级坑

我在这个行业干了十年,有些坑真的是印象太深了。今天分享出来,希望你们绕过去。

第一个坑:PVS1滥用。 曾经有一段时间,只要看到移码或无义突变,有人就随手标PVS1。但PVS1有一个重要前提:该转录本确实是被无义介导的mRNA降解(NMD)机制靶向的。如果变异发生在最后一个外显子或靠近3端,可能逃脱NMD。你如果把这个PVS1放进证据体系,分类结果直接就偏了。

第二个坑:PS1与PM5混淆。 这两个证据都是基于错义变异。PS1要求该变异之前已经被明确报道为致病性。而PM5只是说该位点有另一个致病性变异,但氨基酸变化不同。这两个强度差了一个等级。我在磨合项目里,曾经看到有人把PM5当成PS1用,理由是他们觉得“差不多”。这在临床解读里是致命错误。

第三个坑:PP3叠加代替功能验证。 这个我前面提到了。再强调一次:多个支持性预测证据(PP3)不能合并成一个中等或强证据。功能实验的缺失,不是靠刷预测算法就能补上的。

# 伪代码:错误的证据组合逻辑(切勿模仿)
if (PP3_count >= 3) {
    evidence_strength = PM3;  # 错误!PP3不能叠加为PM
}

正确的做法是,老老实实去核实已有的功能数据,或者标记为功能证据缺失。

警告: 跨批次一致性校验时,如果一个批次的证据强度明显高于另一个批次,且没有合理的生物学解释(比如新的研究论文),那么大概率是批次本身的错误。务必停下来做溯源,不要强行统一。

嗯,这一章的内容不少。证据等级和分类规则,是变异解读的两条腿。一个不稳,整个结论都站不住。尤其是做批次一致性校验时,每条证据背后的版本、来源、实验条件,都得像查户口一样查清楚。你在项目中遇到的各个案例,最后都会回到这张图上——证据怎么来,怎么分级,怎么组合,最终落到哪个分类里。多练几次,你就会有手感了。