临床变异解释算法

快速概览

算法在临床变异解释中扮演证据整合与决策支持的角色。从变异优先级排序、ACMG 自动化分类、致病性预测到 de novo 检测和家系分离分析，算法帮助处理海量数据、整合多维证据、量化不确定性，但最终临床判断仍需人工审核。

变异优先级排序算法通过频率过滤、功能评估和表型匹配，从数万候选中聚焦高置信度变异
ACMG 算法化将证据规则转化为可计算的决策流程，但需处理证据冲突和基因特异性调整
致病性预测算法（SIFT、PolyPhen、CADD、AlphaMissense）提供支持性证据，但不能单独决定分类
算法是辅助工具而非替代：最终临床判断仍需结合家系背景、文献更新和患者沟通

所属板块 分析方向与案例

把基础对象与算法方法重新放回真实分析任务与工作流。

阅读目标 帮助建立阅读上下文

先判断这页与你当前问题的关系，再决定是否深入展开。

建议前置 先建立相关基础对象与方法直觉

建议先建立相关基础对象与方法直觉，再进入本页。

算法驱动的解释工作流

临床变异解释算法通常在以下关键节点发挥作用，将海量原始数据转化为可用的临床证据：

效率核心

候选集压缩（Prioritization）

利用频率过滤、功能评分和表型匹配算法，将变异从数万个压缩至个位数。

证据支持

致病性强度量化（Prediction）

使用 AlphaMissense 或 CADD 等算法，为每个变异提供功能破坏性的概率或排名分值。

标准化核心

规则驱动分类（ACMG Automation）

将收集到的证据喂入自动化 ACMG 规则引擎，输出初步的临床分类建议。

问题背景

临床基因检测产生海量候选变异（WES 2-5万，WGS 可达数百万），而解释资源有限。一个核心问题是：如何设计算法来高效筛选、整合证据并支持临床决策，同时保持可解释性和可追溯性？

算法在变异解释中面临以下挑战：

数据规模：需要快速过滤明显不相关的变异，聚焦有限资源；
证据异质性：群体频率、功能预测、表型匹配、家系分离等证据类型不同、量纲各异，需设计合理的整合策略；
不确定性量化：需要评估证据强度和分类置信度，而非简单二分类；
临床可解释性：算法输出需要转化为临床可理解的语言，支持遗传咨询。

因此，临床变异解释算法不仅是”计算工具”，更是证据整合框架和决策支持系统。

1. 变异优先级排序算法

核心思路

变异优先级排序（variant prioritization）的目标是：从大量候选变异中，找出最可能与患者表型相关的 subset。

经典框架通常包含以下步骤：

1. 频率过滤：排除常见变异（如 gnomAD AF > 1%）
2. 功能影响筛选：优先考虑 loss-of-function、splice site 等
3. 遗传模式匹配：de novo、纯合、复合杂合等
4. 基因-表型匹配：计算基因已知疾病与患者表型的相似度
5. 综合评分：多维度证据整合为单一排序分数

临床变异优先级排序流水线：从 VCF 列表经频率过滤、功能影响、表型匹配到候选收敛 — 临床变异优先级排序流水线：从大量变异逐步收敛到候选致病变异

基因-表型匹配算法

这是优先级排序中最具特色的部分。常见方法包括：

语义相似度：将患者表型（HPO terms）与基因已知疾病（HPO annotations）分别编码为向量，计算余弦相似度；
网络传播：在基因-表型网络上进行随机游走或标签传播；
贝叶斯框架：将表型匹配作为先验，结合变异证据计算后验概率。

代表工具：Exomiser、PhenIX、Phrank。

为什么不能只看一个分数

不同算法的评分体系差异很大：

有些侧重罕见程度；
有些侧重功能预测；
有些侧重表型匹配；
有些整合文献证据。

因此，算法分数是优先级排序的辅助，而非最终临床判断。

2. ACMG 分类算法

ACMG 框架的算法化

ACMG/AMP 指南本身是规则框架，但实际应用中常被算法化：

证据编码：将 PVS1、PS1、PM2 等证据条目编码为数值权重；
规则引擎：实现证据组合规则（如 1个 Very Strong + 1个 Moderate → Likely Pathogenic）；
自动分类：根据证据组合自动输出分类结果。

代表工具：InterVar、ClinGen Pathogenicity Calculator、BayesDel。

算法化的挑战

ACMG 算法化面临几个核心问题：

证据冲突：不同来源证据可能矛盾（如功能实验支持致病，但频率不支持）；
权重设定：不同证据的相对强度如何量化；
上下文依赖：某些证据（如 PVS1）需要考虑基因机制和变异位置；
灰色地带：规则未覆盖的组合如何处理。

因此，ACMG 算法更多是”辅助决策”而非”自动决策”。

贝叶斯 ACMG 框架

近年来的改进方向是将 ACMG 规则映射到贝叶斯框架：

每个证据条目对应一个似然比（Likelihood Ratio, LR）；
最终分类通过后验概率计算；
能够更自然地处理证据冲突和不确定性。

这种方法的优势是概率解释更清晰，但需要为每个证据条目估计可靠的 LR。

3. 致病性预测算法

基于 sequence 的预测

这类算法直接从变异的序列特征预测致病性：

SIFT：基于序列保守性，预测氨基酸替换是否耐受；
PolyPhen-2：结合序列、结构和功能特征；
MutationAssessor：基于进化保守性和功能位点；
CADD：整合多种注释特征，输出 C-score。

基于 machine learning 的预测

更现代的方法使用机器学习整合多维度特征：

REVEL：集成多个预测工具的 ensemble；
MPC：基于 missense constraint 的统计模型；
PrimateAI：使用深度学习和非人类灵长类数据；
AlphaMissense：基于蛋白质结构预测的深度学习模型。

预测算法的局限

训练数据偏差：ClinVar 等数据库存在标签噪声和偏差；
基因特异性：某些基因的预测性能显著优于其他基因；
变异类型覆盖：大多数工具只处理 missense，对 indel、splice 等支持有限；
解释性差：深度学习模型难以解释预测依据。

因此，致病性预测只是 ACMG 中的 supporting 证据，不能单独决定分类。

致病性预测算法对比

不同代际和原理的预测算法在临床应用中各有侧重：

维度

4. CNV/SV 检测算法

Read-pair 与 Read-depth 方法

CNV 检测的经典算法基于两种信号：

Read-pair / Split-read：检测异常插入片段或断点；
Read-depth：检测覆盖度异常区域。

代表工具：CNVnator、FREEC、CNVkit。

统计模型与 segmentation

Read-depth 方法的核心是 segmentation 算法：

将基因组分成 bin，计算每个 bin 的 read depth；
使用统计模型（如 CBS、HMM）检测覆盖度跳变；
合并相邻 bin 形成候选 CNV 区间。

断点精确化

对于需要精确断点的场景（如基因融合检测）：

Split-read：利用部分比对 reads 定位断点；
De novo assembly：局部重装区域序列；
Graph-based：在变异图上寻找最优路径。

CNV 质量评估

算法输出需要质量过滤：

覆盖度一致性：区域内 read depth 是否均匀；
边界清晰度：断点处信号是否 sharp；
GC 偏好校正：排除 GC bias 导致的假阳性；
重复区域过滤：排除 segmental duplication 中的不可靠调用。

5. De novo 检测算法

统计框架

De novo 变异检测的核心是亲本-子代基因型一致性检验：

H0: 子代变异由遗传或测序错误导致
H1: 子代变异为真实的 de novo 事件

算法会计算在给定亲本基因型和测序错误率下，观察到子代变异的概率。

关键因素

测序深度：亲本和子代的覆盖度直接影响检测 power；
错误率模型：不同 platform 和 chemistry 的错误谱不同；
等位基因平衡：真实 de novo 应接近 50% VAF（杂合）；
重复区域：mapping ambiguity 会增加假阳性。

代表工具：DeNovoGear、GATK PhaseByTransmission、TrioDeNovo。

质量分数

De novo 检测工具通常输出质量分数（如 Q-score），反映：

亲本中未观察到该变异的置信度；
排除测序错误的置信度；
排除 mapping 伪影的置信度。

6. 家系分离分析算法

孟德尔遗传检验

对于核心家系（trio 或 larger pedigree），算法会检验变异是否符合预期遗传模式：

常染色体显性：杂合变异应出现在所有 affected，不在 unaffected；
常染色体隐性：纯合或复合杂合变异与表型共分离；
X 连锁：根据性别和遗传模式检验。

LOD Score 与连锁分析

对于多代家系，可以使用 LOD Score 量化变异与疾病的连锁程度：

LOD > 3：支持连锁；
LOD < -2：排除连锁。

现代工具常将共分离分析与ACMG 证据结合（如 PP1 Strong）。

7. 算法选择与临床实践

没有万能算法

不同算法适用于不同场景：

WES/WGS 筛查：优先级排序算法（Exomiser、PhenIX）；
单个变异分类：ACMG 自动化工具（InterVar、ClinGen Calculator）；
CNV 检测：read-depth + split-read 组合；
家系分析：de novo 检测 + 分离分析。

算法验证与性能评估

在临床环境中使用算法前，需要评估：

敏感性：对已知致病变异的检出率；
特异性：对已知良性变异的假阳性率；
基因特异性性能：某些基因上表现可能很差；
人群适用性：训练数据与目标人群的匹配度。

人机协作

算法的价值在于：

提高效率：自动化重复性工作；
减少遗漏：系统性地检查所有证据维度；
标准化流程：让不同实验室的解释更一致；

但最终临床判断仍需：

家系和表型背景：算法难以完全量化；
文献和数据库更新：新证据可能改变分类；
患者和医生沟通：算法分数需要转化为临床语言。