别再迷信 InterVar 了

#default

今天处理分析流程时，我又看到了那个熟悉的场景：ClinVar 已经标了“良性”，但因为 InterVar 报了一个“疑似致病”，大家就开始犹豫，甚至倾向于去圆那个致病的解释。

这就好比拿着 2024 年的卫星地图告诉你前面路通了，你非要信 2018 年的一张旧报纸说前面在修路。

我们得聊聊这个问题了。这不仅仅是工具旧不旧的问题，而是我们正在被一种**“虚假的自动化”**所蒙蔽。

那个停在2018年的“幽灵”

很多生信流程里集成的 InterVar，本质上调用的是 Annovar 自带的 intervar_20180118 库。

你知道这意味着什么吗？意味着你赖以判断患者命运的依据，是 8年前 的认知快照。 那时候 gnomAD 还没这么全，很多现在被确认为多态性的位点，在当年被标记为“罕见”。更要命的是，InterVar 底层依赖的证据（PP3），是 SIFT 和 PolyPhen-2 这些“上古神器”。

为什么要抛弃老旧预测工具？证据在这里

可能有人会说：“老工具虽然旧，但经典啊，稳啊。”

错。它不是稳，它是“虚高”。

Genome Biology 上的文章：《Benchmarking computational variant effect predictors by their ability to infer human traits》。这篇文章撕开了预测工具遮羞布的一角，给出了两个非常残酷的结论：

  1. 循环验证的陷阱（Circular Logic）： 很多我们常用的工具（比如 CADD 早期版本、REVEL 等），在训练时就用到了 ClinVar 的数据。用包含 ClinVar 的数据训练，再拿 ClinVar 里的位点去验证，准确率当然高得吓人。但这叫“作弊”，不叫预测。

  2. 真实生物学效应的脱节： 该研究通过对比 UK Biobank 的真实人类性状（Traits）发现，很多在 ClinVar 跑分很高的监督学习模型，一旦换到真实的数量性状关联上，表现大幅缩水。 反而是那些基于“无监督学习”的模型（Unsupervised approach）——即不刻意迎合 ClinVar，而是通过学习海量序列进化约束（Evolutionary Constraint）的模型，表现出了更强的鲁棒性。

换句话说，SIFT 和 PolyPhen 这种老一代工具，既容易受到数据库偏差的影响，又缺乏对蛋白质“真实生存压力”的理解。

咱们的升级出路：从“做题家”到“语言学家”

既然学术界已经证明了**基于进化约束的模型（Evolutionary models）**更能反映真实的生物学后果，我们的 SOP 就必须跟上。

我们需要换掉那些为了刷 ClinVar 分数而存在的“做题家”工具，换上真正理解生物语言的“语言学家”。

1. AlphaMissense：好用，但那是地雷

DeepMind 的 AlphaMissense 确实强，它结合了结构（AlphaFold）和进化信息，在这个领域的表现目前是断层领先的。最佳策略是优先使用AlphaMissense进行评估，在AlphaMissense未覆盖到的位点，用REVEL进行评估。

但是（划重点）： 如果咱们是做商业检测、药企服务，千万别直接把它写进自动化流程里。它的 License 是 CC BY-NC-SA，严禁商用。法务风险是我们承受不起的。

我大清自有国情在，老佛爷已经给我们缴过费了

2. ESM-2：合规的实战利器

Meta 的 ESM-2 似乎是目前最理想的替代品。它基于 Transformer 架构，阅读了数亿条蛋白质序列，能够理解如果不遵循进化规律会有什么后果。最重要的是，它是 MIT 协议，完全可商用。

现在的难点在于： ESM-2 官方并没有像 DeepMind 那样贴心地给出一个“全人类突变预计算表”。

  • 妥协方案： 暂时降级使用 dbNSFP 里的 ESM-1b 评分（上一代，但也比 SIFT 强得多）。
  • 进阶方案（强烈建议）： 既然我们有计算资源，完全可以基于 ESM-2 模型，针对我们的 Panel 甚至全外显子组，自己跑一遍饱和突变预测（Saturation Mutagenesis）。建立一个自有的 "ESMissense" 数据集。

这才是核心壁垒。

3. 别忘了 SpliceAI

除了氨基酸变异，对于那些看起来“人畜无害”的同义突变或内含子变异，老旧的 SPIDEX 已经不够看了。SpliceAI 能够查看上下游 10kb 的序列背景，它是目前捕获隐匿剪接突变最有效的手段。

总结一下

别再让 InterVar 2018 这种“僵尸代码”主导我们的判断了。

当 ClinVar 说没事，而 InterVar 说有事时，信 ClinVar。 当我们需要预测一个 VUS 的时候，去看 AlphaMissense(或ESM-2)，去看 SpliceAI，而不是去数有多少个 2005 年开发的软件投了赞成票。

我们要做的不是为了凑满 ACMG 的证据条目，而是尽可能接近生物学的真相。

2026年挖坑+1： 建立一个可免费商用的基于ESM-2的有害性预测数据集，必须包括Clinvar Benckmark报告。