第3章 单核苷酸多态性（SNP）原理
3.1 什么是SNP？——从「一个字母」的差异说起
SNP，全称 Single Nucleotide Polymorphism，中文叫单核苷酸多态性。说白了，就是基因组上单个碱基位点发生了替换，而且这种替换在人群中的频率超过 1%。
我刚开始接触这个概念时，总把 SNP 和「突变」搞混。后来才明白，突变一般指频率低于 1% 的罕见变异，而 SNP 是群体中稳定存在的多态性。你想想看，人类基因组有约 30 亿个碱基对，平均每 300-1000 个碱基就有一个 SNP 位点。整个基因组里，SNP 的数量超过 1500 万个。
一个典型的 SNP 长这样：
参考序列: 5'-ATGCGATCGTAGCTAGCTAG-3'
变异序列: 5'-ATGCGATCGTAGCTAGCTAG-3'
^
第20位: G → A 替换我在项目中遇到过一位合作者，非说 SNP 就是「突变」。我跟他解释：SNP 是群体遗传学的概念，突变是分子生物学的概念。同一个碱基替换，在家族中可能是新发突变，但在全球人群里可能就是 SNP。视角不同，叫法不同。
3.2 SNP 的三种类型——同义、非同义、无义
根据碱基替换对编码蛋白质的影响，SNP 分成三类。这是做 SNP 功能预测的基础，也是你在文献里最常看到的分类方式。
下面这个表格把三类的核心差异一次性说清楚：
| 类型 | 定义 | 密码子变化 | 氨基酸变化 | 功能影响 |
|---|---|---|---|---|
| 同义 SNP | 碱基替换后编码的氨基酸不变 | 密码子简并 | 无 | 通常无害，但可能影响 mRNA 剪接或调控 |
| 非同义 SNP | 碱基替换导致氨基酸改变 | 密码子改变 | 有 | 可能改变蛋白质结构和功能 |
| 无义 SNP | 碱基替换产生提前终止密码子 | 密码子 → 终止 | 有 | 蛋白质截短，功能通常丧失 |
同义 SNP——真的「无害」吗？
同义 SNP 又叫沉默 SNP。因为密码子简并性，碱基变了但氨基酸不变。很多教材说它「没有功能影响」，但实际没那么简单。
我曾经接手过一个项目，一个同义 SNP 被 GWAS 反复关联到疾病表型。团队里好几个人都说「肯定是标签 SNP，不是因果位点」。我没急着下结论，而是查了 ENCODE 数据，发现这个同义 SNP 恰好落在外显子剪接增强子（ESE）区域，改变了剪接调控蛋白的结合能力。最后实验证实，它确实导致了 mRNA 的错误剪接。
非同义 SNP——蛋白质的「一字之差」
非同义 SNP 导致氨基酸替换，也叫错义突变。一个氨基酸的改变，可能让蛋白质局部结构坍塌，也可能恰好不影响功能。关键在于替换的氨基酸性质差异有多大。
举个例子，rs6265 是一个研究得非常透彻的非同义 SNP：
基因: BDNF (脑源性神经营养因子)
参考等位基因: G (编码 Val)
变异等位基因: A (编码 Met)
氨基酸变化: Val66Met
功能影响: 改变 BDNF 蛋白分泌效率，与记忆、抑郁相关Val 和 Met 的侧链性质差异不算大，但 66 位恰好位于 pro-domain 的关键区域，一个甲基的差别就改变了蛋白的运输和分泌。
无义 SNP——蛋白质的「句号提前」
无义 SNP 把编码氨基酸的密码子变成了终止密码子（TAA、TAG、TGA）。翻译到这个地方就提前终止了，产生一个截短的、通常没有功能的蛋白质。
我记得在分析一个罕见病家系数据时，发现一个无义 SNP 在 CFTR 基因的 exon 10 上产生了提前终止密码子。患者是杂合子，另一个等位基因也有缺陷，最终导致囊性纤维化表型。嗯，这里要注意：无义 SNP 通常致病性很强，但因为 NMD（无义介导的 mRNA 降解）机制的存在，部分无义 SNP 的实际效应会被抵消。
3.3 SNP 数据库——dbSNP 和 ClinVar
做 SNP 相关研究，离不开两个数据库：dbSNP 和 ClinVar。我平时的工作流里，dbSNP 用来查变异的基本信息和频率，ClinVar 用来查临床意义。
dbSNP——SNP 的「户籍系统」
dbSNP 由 NCBI 维护，是目前最全面的 SNPs 和其他小规模变异数据库。每个录入的 SNP 都有一个唯一标识符，叫 rs 号（Reference SNP ID）。
比如刚才提到的 rs6265：
dbSNP 查询示例 (REST API):
GET https://api.ncbi.nlm.nih.gov/variation/v0/rs/6265
响应摘要:
- rs ID: 6265
- 基因: BDNF
- 染色体位置: chr11:27658369
- 参考等位基因: G
- 变异等位基因: A
- 等位基因频率 (gnomAD): G=0.82, A=0.18我以前做 GWAS 数据挖掘时，经常批量下载 dbSNP 的 VCF 文件，用命令行过滤候选位点。你想想看，几千万个 SNP 里找几十个感兴趣的，没有数据库的索引机制根本不可能。
ClinVar——SNP 的「临床档案」
ClinVar 也是一个 NCBI 数据库，但它专注于变异与临床表型的关系。每个变异会标注「致病」「可能致病」「良性」「意义不明确」等分类。
我习惯在分析流程里加入 ClinVar 注释：
ClinVar 查询示例 (通过 VEP 注释):
输入: rs6265
ClinVar 注释:
- 临床意义: 可能良性 (Benign/Likely Benign)
- 条件: 无明确致病关联
- 提交者: 多个实验室
- 证据等级: 一致评估注意，同一个 SNP 在不同数据库里的「致病性」标注可能不同，因为 ClinVar 依赖临床提交，而 dbSNP 只是记录变异存在。我以前踩过这个坑：用 dbSNP 的 MAF 过滤「罕见变异」，结果忽略了 ClinVar 里标注致病的位点。后来我定了条规矩——功能预测用 dbSNP，临床解释用 ClinVar，两者不可互相替代。
bcftools annotate 或 VEP 可以同时把 dbSNP 的 rs 号和 ClinVar 的临床意义批量加到你的变异列表中，省去手动查询的麻烦。
3.4 全章知识图谱——SNP 分类与功能影响
下面这张图把本章的核心逻辑串起来了：从 SNP 的定义出发，按功能影响分成三类，每类对应不同的密码子变化和生物学后果。你对着图再看一遍表格，思路会更清。
图里从 SNP 出发，分三条路径展示了同义、非同义、无义三类变异的逻辑链条。你顺着箭头走一遍，就能把「碱基替换 → 密码子变化 → 氨基酸/蛋白影响」这个因果链刻在脑子里。
最后说句实在的：SNP 原理听起来基础，但我在实际项目中见过太多人因为「觉得简单」而犯错。比如把同义 SNP 直接扔出分析，或者看到罕见的同义 SNP 就以为是实验错误。这些坑，你自己动手做一遍 SNP 注释、跑一遍功能预测 pipeline，才能真正长记性。