单基因糖尿病六千余个意义未明变异有了排序：模型仍能区分非错义变异，但高分部分来自重建审阅逻辑
核心概要
单基因糖尿病基因中大量变异因证据不足被归为意义未明变异，ClinVar 里长期积压。一项分析用 22 个相关基因的 7706 个已明确分类单核苷酸变异训练可解释分类器，在 771 个留出变异上取得 ROC-AUC 0.9989、AUPRC 0.9970，并对致病类召回 1.00。特征消融显示高分部分来自特征与 ACMG 判读标准的重叠，但在无法直接援引计算证据的非错义变异上仍以 99.0% 对 87.0% 超过多数类基线，随后对 6306 个意义未明变异给出逐变异解释的排序。
深度剖析
意义未明变异不再只按单一预测分数排队，而是把后果严重度、人群频率、保守性和多个计算预测合并成一个可解释的致病概率，并给出每个变异的前三位驱动特征。 ClinVar 汇总各实验室的判读，但仍有大量变异未被解决；SIFT、PolyPhen-2、CADD、REVEL 等通用预测工具覆盖全基因组，对单个预测由哪些因素驱动缺乏透明度，也缺少针对特定疾病基因集的校准。 训练队列为 7706 个已明确分类的单核苷酸变异，其中良性类 5690 个、致病类 2016 个；四种分类器在五折分层交叉验证中的 AUPRC 落在 0.9868 至 0.9890 的窄带内，差异小于折间标准差。
高分并非全部来自发现新生物学信号，一部分是在复现审阅者依据 ACMG 标准作出的判断，这一点通过逐类特征消融被量化。 此前已有工作指出，用 ClinVar 标签训练、又用同类证据作特征的变异效应模型存在循环性；该分析把这一现象拆到各个证据类别上检验。 仅用 PP3/BP4 对应的计算预测与保守性特征时测试准确率为 0.9533，仅用后果与频率特征时为 0.9105，全特征集为 0.9896；在计算证据结构上无法直接援引的非错义变异子集（n=614）上，模型准确率 99.0%，多数类基线为 87.0%。
模型被用于给 6306 个意义未明变异排序，输出带有逐变异的解释，供专家审阅时参考而非替代判读。 这些变异此前没有获得明确的致病或良性结论，只能留在不确定类别中等待人工复核。 预测致病概率均值为 0.694、中位数 0.873，47.08% 的变异概率高于 0.9，72.66% 高于 0.5；排名靠前的候选分布在 GCK、HNF1A、LMNA、WFS1、PDX1、ABCC8、INS、BLK、RFX6、HNF4A 等多个基因上。
启示与展望
该分析覆盖 22 个与单基因糖尿病相关的基因，只纳入 GRCh38、胚系、ClinVar 审阅状态至少一星的单核苷酸变异，结构变异、插入缺失和未达审阅门槛的记录不在范围内。输出定位为面向专家复核的分诊辅助，作者明确其不替代功能验证或多学科变异分类审阅。作者提出的后续方向包括用历史 ClinVar 版本做时间验证、加入蛋白结构域与基因约束指标、扩展到结构变异、在该基因集上直接与 REVEL、BayesDel 等元预测器比较，以及开发交互界面。
作者指出 ClinVar 判读会随新证据变化，训练标签只是某一时点的快照；variant_summary.txt 不记录提交者具体援引了哪些 ACMG 标准，因此循环证据与独立信号无法完全分离，非错义子集内与后果严重度和等位基因频率相关的循环性可能仍然存在。注释通过 REST 接口获取而非版本固定的本地安装，原始响应已存档，但重新查询可能因底层数据库更新而不同。基因身份被有意排除以避免学习基因特异的标签频率捷径，这可能降低对剂量敏感等真实基因约束的敏感度。