Concordance of Automated ACMG Variant Classification withExpert-Curated Assertions: A Systematic Evaluation Using theClinGen Evidence Repository

想象一下，你的 DNA 是一本极其宏大且古老的、用于构建人类的说明书。它由一个四字母代码（A、C、G、T）编写而成，长度达数十亿个字符。在大多数时候，这本说明书运作得非常完美。但有时，一个字母会被替换、删除或添加——这就是代码中的一个“拼写错误”。在临床遗传学领域，这些拼写错误被称为变异（variants）。有些是无害的，就像脚注里的一个错别字，并不会改变故事的主旨。另一些则是危险的，就像一个把“停止”变成“前进”的错误，导致身体的机械装置失控，从而引发疾病。

医生和科学家面临的巨大挑战不在于寻找这些“拼写错误”，而在于弄清楚哪些是危险的，哪些只是无害的噪音。为了做到这一点，他们使用了一套由医学专家制定的严格规则手册。这本规则手册就像一个巨大的评分系统。如果一个变异具有某些“坏”的特征（比如完全破坏了一个基因），它就会获得被判定为“致病性”（Pathogenic，即危险）的分数。如果它具有“好”的特征（比如在健康人群中很常见），它就会获得被判定为“良性”（Benign，即安全）的分数。目标是将数百万个这样的变异分类到五个类别中：致病性、可能致病、意义不明、可能良性和良性。做对这件事关系到生死，但仅靠人工操作既缓慢又昂贵，而且容易产生人为分歧。因此，科学家们一直在开发能够自动进行分类的计算机程序。但这些机器人到底有多厉害呢？

---

机器人法官 vs. 人类专家组

这篇论文对一个名为 VarTriage 的新计算机程序进行了终极测试。作者希望看看这个自动化机器人是否能达到“金标准”的水平：即由那些花费多年时间整理 ClinGen 证据库 的人类专家组成的团队。你可以把 ClinGen 证据库想象成遗传学“拼写错误”的“名人堂”，在那里，最受信任的人类专家已经以高度置信度判定了特定的变异是危险还是安全的。

研究人员将 15,334 个这些经过专家批准的变异输入到 VarTriage 中。然后，他们将机器人的答案与人类专家的答案进行对比，以观察它们达成一致的频率。

重大发现：

• 机器人是寻找“坏”变异的优秀侦探： 在识别危险变异方面，VarTriage 的表现相当出色。它正确识别了 68.9% 的真正致病变异。更重要的是，当它判定一个变异是危险的时，其准确率达到了 80.5%。
• “二元化”超能力： 如果忽略中间的“不确定”地带，只问“这是坏的还是好的？”，机器人和人类几乎完美契合。它们的符合度（称为 Cohen's kappa 系数）为 0.98，这基本上是一种完美的握手。这意味着机器人非常擅长将“坏”和“好”的堆进行分离，即使它有时并不确定某个东西究竟有多坏或多好。
• “不确定”堆的问题： 机器人的主要弱点在于它倾向于把过多的变异丢进“不确定”（VUS）这一堆里。人类可能会有足够的额外线索来判定“这绝对是安全的”，但机器人由于缺乏这些特定线索，为了保险起见便说“我不知道”。这导致它识别“安全”变异的成功率远低于人类专家（仅为 16.9%，而人类专家为 80.2%）。

是什么驱动了机器人的大脑？

研究深入探讨了机器人做出这些选择背后的原因。他们发现有两个主要的引擎在驱动其决策：

1. “两点”规则： 研究人员发现，机器人准确率提升最大的动力来自于一种被称为“贝叶斯松弛组合规则”的特定数学技巧。想象一下，你拥有两个各自都“程度中等可疑”的证据。旧规则要求你需要一个“非常强力”的证据才能定罪；而新规则则说：“嘿，两个中等程度的证据其实足以让人确信。” 使用这一规则本身就将机器人寻找坏变异的能力提升了 36.9 个百分点。
2. REVEL 评分： 机器人使用的最强大的单一线索是一个名为 REVEL 的预测评分。这是一个复杂的计算器，通过观察蛋白质的形状和化学性质来预测变化是否有害。当研究人员关闭 REVEL 评分时，机器人寻找坏变异的能力大幅下降了 36.9 个百分点。事实证明，REVEL 是机器人最重要的“超能力”。

机器人错过了什么

论文明确指出了机器人无法做到的事情。它之所以在识别“安全”变异方面表现挣扎，是因为它无法获取人类拥有的某些类型证据：

• 实验室测试： 人类可以查看实际实验室实验（功能分析）的结果，这些结果可以证明基因运作正常。机器人无法看到这些。
• 家系图： 人类可以观察该变异如何在家族谱系中传递，以观察它是否会导致疾病。机器人无法做到这一点。
• 可靠来源： 人类可以阅读一份可靠的医学数据库，上面写着“我们知道这个变异是安全的”。机器人被编程为忽略此类信息，以避免循环论证（即机器人仅仅是在重复数据库已有的内容）。

因为机器人无法使用这些“非计算型”的线索，所以它对于判定“良性”缺乏信心。

结论

论文得出结论：虽然我们目前还无法用机器人取代人类专家组，但我们可以构建一个非常有用的助手。VarTriage 仅使用 10 条（共 28 条可能的）规则，就可以作为一个高度可靠的过滤器。它可以快速地从“可能”堆中筛选出明显的危险变异和明显的安全变异，让专家们只需专注于那些棘手的案例。

作者认为，下一个巨大的飞跃将不在于让机器人的数学变得更聪明，而在于让它接触到更多类型的数据——特别是那些目前让它处于信息盲区的实验室测试结果和家系历史线索。在此之前，机器人在处理“坏 vs. 好”的决策时是一个极佳的搭档，但在让它对“安全”变异产生信心方面，它仍然需要人类的协助。