第4章：常见变异数据库介绍（ClinVar、HGMD等）
做变异解读，说白了就是在各种数据库里翻来翻去，找到支持你判断的证据。我个人习惯先把几个核心数据库摸透，后面校验才不会慌。这一章我们就聊聊ClinVar、HGMD这些“老面孔”。
4.1 变异数据库概览
你想想看，一个变异到底有没有致病性？光靠算法猜不靠谱，得看有没有别人报道过，有没有功能实验支持。这就是数据库的价值。常见的变异数据库大概分三类：
| 类别 | 代表数据库 | 核心用途 |
|---|---|---|
| 公共综合库 | ClinVar、dbSNP | 汇集提交者的解读结果，免费开放 |
| 商业/专业库 | HGMD、LOVD | 专家或机构审校，收费/部分开放 |
| 人群频率库 | gnomAD、ExAC | 提供等位基因频率，辅助过滤 |
4.2 ClinVar——公共解读的“大本营”
ClinVar由NCBI维护，算是目前最常用的公共变异解读数据库。任何机构或个人都可以提交，但提交内容会经过一定的审核流程。为什么我会说它“最常用”？因为它免费、开放、更新频繁，而且直接支持VCF格式的批量查询。
ClinVar的核心字段：
- 临床意义（Clinical Significance）：Pathogenic、Likely Pathogenic、Benign、VUS等，对应ACMG分级。
- 审核状态（Review Status）：从0星（无审核）到4星（专业协会审阅），星数越高越可信。
- 提交者（Submitter）：实验室或研究机构的名称，多机构一致支持的可信度高。
我遇到过一个案例：一个变异在ClinVar上标为“Pathogenic”，但仔细看只有一家商业实验室提交，审核状态只有1星。后来问了同行，才知道这家实验室的解读标准偏激进。从那以后，我每次都会看审核状态和提交者数量。
curl -X POST "https://eutils.ncbi.nlm.nih.gov/entrez/eutils/efetch.fcgi?db=clinvar&id=123456,789012&retmode=json"4.3 HGMD——商业数据库的“黄金标准”
HGMD（人类基因突变数据库）由英国Cardiff大学Qiaole团队维护。它分为免费版（公共）和付费版（专业）。免费版只显示突变名称和文献数，付费版才有详细的表型、分类和证据。说白了，免费的鸡肋，付费的才有肉。
HGMD的特点：
- 采用自己的分类体系：DM（致病突变）、DM?（可能致病）、DP（疾病相关多态性）、FP（良性多态性）等。
- 每一条变异都关联PubMed文献，专家人工审校，可信度较高。
- 不是所有变异都收录，主要聚焦在已报道的与疾病相关的点突变和小片段indel。
我个人习惯是把HGMD作为“参考试金石”。如果ClinVar的解读与HGMD不同，我会特别警惕，通常优先采信HGMD，除非有更新的文献推翻。曾经有一次，一个变异的ClinVar状态从“Pathogenic”降为“VUS”，但HGMD依然标DM，我仔细查了文献，发现HGMD引用的那篇功能验证实验设计更扎实，最终维持了致病性判定。
4.4 其他常用数据库
除了上面两个，还有几个我常碰的：
- dbSNP：最早的单核苷酸多态性数据库，只记录存在性，不解读临床意义。但作为变异ID的“老大哥”，很多数据库都以rs编号为索引。
- gnomAD：人群频率库，帮你判断变异是不是常见多态性。ACMG中BA1/BS1证据就靠它。
- LOVD：基因特异性数据库，由专家维护，精确度很高，但覆盖的基因有限。
- Varsome：聚合平台，整合ClinVar、HGMD、gnomAD等，同时提供算法预测。我用它辅助快速筛查，但最终判断还是靠原始数据库。
4.5 数据库选择与交叉验证
实际项目中，我不建议只依赖一个数据库。比较稳妥的做法是：
- 先查ClinVar，看公开共识和审核等级。
- 再查HGMD（如果有权限），确认专家审校结果。
- 用gnomAD检查频率，排除常见多态性。
- 如果存在矛盾，翻PubMed原始文献，必要时查LOVD。
下面这张图把常见数据库的关系和接入时机梳理了一下，你看完应该更清楚。
4.6 本章小结
ClinVar和HGMD是变异解读的两大支柱，一个靠众包，一个靠专家。你最好两手都抓。人群频率库gnomAD是必备，但别拿它当定性工具。聚合平台省时间，但原始文献永远是最终裁判。记住一条铁律：任何时候出现矛盾，去翻Pubmed原文，别偷懒。
嗯，数据库这部分先聊到这儿。把这一套数据库体系摸清，后续做批次间校验时就能快速锁定差异来源。接下来你自己动手准备一个测试集，我会教你如何自动化比对这些数据库的解读结果。