根据2015年美国医学遗传学与基因组学学会(The American College of Medical Genetics and Genomics, ACMG)发布的序列变异解读指南进行翻译及解读，并对相关的内容注解 ，适用于新手阅读、温习、理解，大神请绕路。
大部分内容来源：
1.Gastier-Foster J, Grody WW, Hegde M, Lyon E, Spector E, Voelkerding K, Rehm HL; ACMG Laboratory Quality Assurance Committee. Standards and guidelines for the interpretation of sequence variants: a joint consensus recommendation of the American College of Medical Genetics and Genomics and the Association for Molecular Pathology. Genet Med. 2015 May;17(5):405-24.
2.王秋菊, 沈亦平, 邬玲仟, 等. 遗传变异分类标准与指南. 中国科学: 生命科学, 2017, 47: 668–688
PS4 PM2 BA1 BS1 BS2
variant frequency and
use of control populations
PS4 PM2 BA1 BS1 BS2
变异频率及对照人群的使用
PS4：strong pathogenic，致病证据强；
PM2：moderate pathogenic，中等致病证据；
BA1：stand-alone support，良性证据独立支持；
BS1：benign strong，良性证据强；
BS2：benign strong，良性证据强
Assessing the frequency of a variant in a control or general population is useful in assessing its potential pathogenicity
通过分析变异基因在对照人群或普通人群中的携带频率，有助于评估该变异的潜在致病性。通过搜索公共人群数据库(如千人基因组数据库，NHLBI 外显子测序数据库，EXAC 数据库)，并利用已发表文献中相同种族的对照数据进行基因变异频率分析(译者注: 此条款在指南更新时会有修改)。
NHLBI 外显子测序数据库来源于白种人和非裔美国人群，根据其数据覆盖量能够识别是否存在基因变异。尽管千人基因组数据库缺乏评估基因变异能力，但它囊括了更多的种族人群，因此其数据具有更广泛代表性的。EXAC 数据库近期发布了一组来源于不同人群的 6 万多个外显子组的等位基因频率数据，包括了大约三分之二的 NHLBI 外显子测序数据。
注：基因组聚集数据库(The Genome Aggregation Database，gnomAD）是迄今为止最大规模的人体遗传变异体数据库，汇集了超过14万人的基因组测序或外显子组测序数据，包含了全世界各人种的变异数据。gnomeAD已经将这些数据和工具公开。这份宝贵的遗传资源，将改变我们解读个体基因组的方式，为我们理解人类的生物学特征和疾病，评估罕见和常见遗传病，提供重要信息。根据《自然》的一篇概述性文章的介绍，新的gnomAD不仅汇集了125748个全外显子组序列，还包含了15708个全基因组测序数据，规模和范围都有增加，因此可以系统性地记录更多样、更复杂的基因变异体，并了解蛋白质编码序列以外的变异。
gnomAD 数据库-最大规模的人体遗传变异体数据库-视频详解版带字幕
一般情况下，某一等位基因在对照人群的频率大于疾病预期人群时，可认为是罕见孟德尔疾病良性变异的强证据(BS1)。
如果频率超过 5%时，则可认为是良性变异的独立证据(BA1)。
此外，如果疾病发生在早期，且变异在健康成人中以隐性(纯合子)、显性(杂合子)或X-连锁(半合子)的状态存在，那么这就是良性变异的强证据(BS2)。
如果数据库中未能检出变异的存在，应该确认建立该数据库采用的测序读长深度是否足以检测出该位点上的变异。
如果在一个大样本的普通人群或队列数据的对照人群(>1000 人)中变异不存在(或隐性遗传的突变频率是低频)，并且携带此变异的患者与对照人群为同一种族，那么可以认为该变异是致病性的中等证据(PM2)。
许多良性变异是“个体化的”(即个人或家系独有的)，因此即使在相同种族的人群中缺乏，也不能作为致病性的充足甚至强的证据。
当孟德尔遗传病表型显著、频率差异大且是早期发病时，使用通过“病例－对照”人群研究获得的变异数据库进行变异分析是最有效的。临床实验室检测的患者可能包括“排除”某一疾病的个体，因此他们可能不能作为表型显著的病例；当使用普通人群作为对照群体时，具有亚临床疾病的个体总是可能存在的。在这两种情况下，认为检测出的变异致病性证据不充分。变异频率有统计学显著差异可以假定为致病性的支持证据。与此相反，对于统计差异不显著，特别是极为罕见变异和不明显的表型，应谨慎解释。
比值比(OR)或相对风险用于衡量基因型(即存在于基因组中的变异)和表型(即所患疾病/结果)之间的关联， 适用于任何孟德尔疾病或复杂疾病。本指南只涉及其在孟德尔疾病中的使用。相对风险与 OR 不同，但概率较小时相对风险近似等于 OR。OR 值为1.0 意味着该变异与疾病风险不相关，大于 1.0 意味着变异与病风险正相关，小于 1.0 意味着变异与疾病风险负相关。一般情况下，具有孟德尔中等效应的变异，其 OR值为 3 或者更大，高度外显的变异具有非常高的 OR 值，例如，APOE 基因 E4/E4 纯合子与E3/E3 纯合子相比，OR 值为13 (https://www.tgen.org/ home/education-outreach/past-summer-interns/2012-su mmer-interns/erika-kollitz.aspx#.VOSi3C7G_vY)。OR 值的置信区间(confidence interval, CI)也是一个重要的衡量工具。如果 CI 中包括 1.0 (如 OR=2.5, CI=0.9~7.4)，则关联的可信度很小。在上面 APOE 的例子中，CI 为-10~16。在线可获得简单的 OR 值计算器 (http://www.hutchon.net/ConfidOR.htm/; http://easy ca
lculateon.com/statistics/odds-ratio.php/)。
注：Odds ratios (ORs) 或 relative risk（RR）是用来衡量基因型（genotype， 变异位于基因组）和表型（phenotype，患有疾病）的关系。
置信区间(confidence interval, CI)是指由样本统计量所构造的总体参数的估计区间。在统计学中，一个概率样本的置信区间（Confidence interval）是对这个样本的某个总体参数的区间估计。置信区间展现的是这个参数的真实值有一定概率落在测量结果的周围的程度，其给出的是被测量参数的测量值的可信程度，即前面所要求的“一个概率”。
PM1 mutational hot spot and/or critical and wellestablished functional domain
PM1 热点突变和/或关键的、得到确认的功能域
PM1：pathogenic moderate，致病证据中等
某些蛋白结构域(protein domains )对蛋白质的功能起到了关键作用，如果在这些结构域上发现的所有错义突变均已被证实为致病突变，且这些结构域中一定没有已知的良性突变，那么这就能作为致病的中等证据(moderate evidence of pathogenicity)。
此外，基因中某些功能尚未确定的区域已被证实存在许多突变热点，若突变发生在基因突变热点上，且一个或多个邻近残基中存在较高频率的已知致病突变，那么这也能作为致病的中等证据。
PM3 BP2 cis/trans testing
PM3 BP2 顺式/反式检测
PM3：pathogenic moderate，致病证据中等；BP2：benign supporting，良性证据支持
Testing parental samples to determine whether the variant occurs in cis (the same copy of the gene) or in trans (different copies of the gene) can be important for assessing pathogenicity.
检测双亲样本以确定变异在基因上以顺式(in cis)(位于基因的同一拷贝)或是反式(in trans)(位于基因的不同拷贝)方式排列，这对评估变异的致病性非常重要。
例如，当两个杂合变异发生在隐性遗传病的致病基因上时，如果已知其中一个变异为致病变异，那么当另一个待分类变异与其呈反式排列时，这可以作为待分类变异的中等致病证据(PM3)。
若待分类变异与多个已知致病变异均呈反式排列，则该证据可升级为强致病证据。
若待分类变异在普通人群中存在，则需要用统计学方法判断该现象是否为随机共发生事件。
相反，当已知致病变异与另一个待分类变异呈顺式排列时，这可以作为待分类变异的良性支持证据(BP2)。
如果发生在隐性遗传病致病基因上的两个杂合变异的致病性均未知，那么确定它们以顺式或是反式排列，并不能为判断其中任一变异的致病性提供更多信息。但是，如果两者以顺式排列，则该基因两个拷贝均受影响的可能性将会降低。
对于显性遗传病而言，若待分类变异与致病变异呈反式排列，则可作为该变异的良性支持证据 (benign supporting，BP2)；对于特定研究成熟的疾病模型，甚至可以考虑将其作为独立良性证据 (如 CFTR 相关变异的评估)。
注：这是互补测验得出的结论：
①如果两个隐性突变发生在同一个基因内的两个不同位点上，在反式状态下只能产生突变的表现型，顺式状态下表现为野生型。
②若两个突变分别发生在两个相邻的基因内，在反式状态下表现为野生型，顺式状态下也表现为野生型。互补测验是指比较顺式和反式构型个体的表型以判断两突变是否发生在一个基因座内的测验，又称顺反测验（cis-transtest）
互补测验
PM4 BP3 protein length changes due to in-frame deletions/insertions and stop losses
PM4 BP3 由于框内缺失/插入和终止密码子丧失导致的蛋白长度改变
The deletion or insertion of one or more amino acids as well as the extension of a protein by changing the stop codon to an amino acid codon (e.g., a stop loss variant) is more likely to disrupt protein function compared with a missense change alone as a result of length changes in the protein.
The larger the deletion, insertion, or extension, and the more conserved the amino acids are in a deleted region, the more substantial is the evidence to support pathogenicity.
相较于单一的错义突变所导致的蛋白质长度变化，一个或多个氨基酸的缺失或插入、以及由终止密码子变为翻译氨基酸的密码子(如终止密码子丢失)而导致的蛋白质延长更可能破坏蛋白质功能。因此，框内缺失/插入以及终止密码子丢失可作为中等致病证据(PM4)。
缺失、插入或延伸范围越大，缺失区域的氨基酸越保守，则支持致病的证据越强。相反，在重复区域或在进化中不是很保守的区域中小的框内缺失/插入致病的可能性较小。
PM5 novel missense at the same position
同一位置新的错义变异
A novel missense amino acid change ccurring at the same position as another pathogenic missense change (e.g.Trp38Ser and Trp38Leu) is considered moderate evidence but cannot be assumed to be pathogenic. This is especially true if the novel change is more conservative compared with the established pathogenic missense variant. Also, the different amino acid change could lead to a different phenotype.
如果一个新发错义突变发生在一已知致病突变导致相同氨基酸改变的位置上 ( 如 Trp38Ser 和 Trp38Leu), 那么可作为中等致病证据(但不能假定一定是致病的)，尤其当新的突变比已知致病错义突变更保守时。此外，不同的氨基酸变化可能导致不同的表型。
例如，FGFR3 基因编码的 Lys650 残基的不同变化与不同的临床表型相关：p.Lys650Gln 或 p.Lys650Asn 会导致轻度软骨发育不良；p.Lys650Met会导致严重的软骨发育不全伴发育迟缓和黑棘皮病；p.Lys650Glu 会导致 2 型发育异常及致命的骨骼发育不良。
PP1 BS4 segregation analysis
PP1 BS4 共分离分析
Care must be taken when using segregation of a variant in a family as evidence for pathogenicity. In fact, segregation of a particular variant with a phenotype in a family is evidence for linkage of the locus to the disorder but not evidence of the pathogenicity of the variant itself.
在使用家系中变异的共分离现象作为致病性证据时需谨慎。事实上，一个与某种表型相关的特定变异在某一家系中的共分离现象是位点与疾病连锁的证据，而不是变异本身致病性的证据。
一个已经发表的统计方法显示，在某个家系中鉴定的变异可能与真正的致病变异是连锁不平衡的。统计模型考虑到了年龄相关的外显率和拟表型率，一些新的方法也将生物信息分析预测以及与已知致病突变共存作为致病性的单独定量指标。将远亲纳入统计之中是很重要的，因为与核心家系成员相比，他们不太可能同时有该疾病和变异。对整个基因进行测序(包括整个内含子和 5’和 3’非编码区)可排查其他致病变异或另一个可能致病的变异的存在。除非仔细评估基因位点，否则非致病变异可能被错误地认为是致病变异。
注：
1) 事实上，如果在一个家族内分离分析出表型与变异的关系，只能认为这个基因位点与疾病有关系但是幵不能证明这个变异本身具有致病性。
2) 使用一些统计模型时也要注意，比如是否鉴定出来的变异与真正的致病变异属于连锁不平衡，还应考虑到年龄及拟表型（由于环境因素的影响而产生的类似于突变型的个体）这些因素。
3) 对进房亲戚的基因的检测也是非常重要的，因为其相比核心家庭成员，他们具有疾病和基因变异的可能性更小一下。
4) 对基因的检测需要是全长，包括内含子和 5’和 3’非编码区，这样可以提供更多的证据，因为有可能収现其他变异。
当目标基因的特定变异在多个患病的家系成员中以及不同种族背景的多个家系中与表型或疾病共分离时，则其作为致病的证据不太会受到连锁不平衡和确认偏倚的影响。在这种情况下，该标准可以作为中等或强致病证据而不是支持性证据，其强度取决于共分离的程度。
注：共分离指在有性繁殖的后代，假如基因附近有一紧密连锁的分子标记，在细胞减数分裂时分子标记与基因之间由于相距太近很少有机会发生交换，那么这种分子标记与连锁的基因有最大的可能同时出现在同一个个体中。
所里在遗传学中的共分离：在一个家系里，相同表型和基因型的连锁绑定，以及不同表型和基因型的明确区分，就是说疾病和变异位点同时锁定出现。分离分析是一种统计技术，它试图确定家族内的表型模式是否与该表型的主基因传递一致。
另一方面，一个变异与表型并不共分离时，为其非致病的强证据，需要进行仔细的临床评估来排除正常个体的轻度症状和可能的拟表型(患者表型由非遗传或不同的遗传原因引起)。
此外，需确认生物学家庭关系来排除收养、非生父、精子和卵子捐献以及其他非生物学关系。同时，外显率下降和年龄依赖性的外显率也必须考虑，以确保无症状家系成员是真正的无症状。在临床实验室进行共分离的统计评估可能并不容易，当鉴定了合适的家系时，为了确保建模合适，并避免得出变异与疾病相关性的错误结论，鼓励临床实验室与统计或群体遗传学专家合作。
PP2 BP1 variant spectrum
PP2 BP1 变异谱
PP2：pathogenic supporting，致病证据支持；BP1：benign supporting，良性证据支持
Many genes have a defined spectrum of pathogenic and benign variation.
许多基因具有明确的致病变异和良性变异谱。
在某些基因中, 错义突变是导致疾病的常见原因，且该基因上的良性突变非常少，那么这种基因上的新发错义突变可作为致病变异的支持证据(PP2)。
相反，有些基因致病的唯一已知变异是截短突变，该基因上的新发错义突变可作为良性的支持证据(BP1)。
例如，ASPM 基因的截短变异是该基因引起常染色体隐性遗传小头畸形的主要致病变异类型，且该基因发生错义多态性突变的频率高。因此ASPM 基因上的错义变异可认为是良性影响的支持证据。
PP3 BP4 computational (in silico) data
PP3 BP4 生物信息分析数据
Not overestimating computational evidence is important, particularly given that different algorithms may rely on the same (or similar) data to support predictions and most algorithms have not been validated against well-established pathogenic variants.
不能过分相信生物信息分析所得到的结果，特别是不同的生物信息算法依赖于相同或相近的数据进行预测，并且大多数生物信息算法未被已知致病变异验证过。
此外，相同算法对不同的基因的预测结果可能完全不同。如果不同种类算法的分析预测结果一致，那么生物信息分析结果可以作为支持的证据PP3。
如果绝大多数算法的预测结果不一致，则这些预测的结果不能用于对变异进行分类。
若某一变异引起的氨基酸改变，在多个非人哺乳动物物种不太保守的区域中出现，说明该变异可能不会损害功能，可以作为良性解读的强的证据。
然而，如果某基因已在人类中发生进化(如参与免疫功能的基因)，那么在判定该基因在非保守区域中发生的变异为良性时必须小心。
PP4 using phenotype to support variant claims
PP4 表型支持
In general, the fact that a patient has a phenotype that matches the known spectrum of clinical features for a gene is not considered evidence for pathogenicity given that nearly all patients undergoing disease-targeted tests have the phenotype in question.
通常，不将患者表型与某个基因临床特征谱匹配作为判断致病的证据，因为几乎所有的病人都会有这样的表型。但是，如果满足以下条件，患者的表型可作为支持证据：
(i) 临床检测灵敏度很高，大多数病人都能检出的这个基因的变异位点；
(ii) 患者有某种明确的综合征的症状，与其他临床表现几乎无重叠(如戈尔林综合征包括基底细胞癌、掌跖坑和牙源性角化)；
(iii) 这个基因不具有大量的良性变异，这一点可以通过大样本人群队列得到（如Exome Sequencing Project) ；
(iv) 家族史与疾病的遗传模式一致
PP5 BP6 reputable source
PP5 BP6 可靠的来源
There are increasing examples where pathogenicity classifications from a reputable source (e.g., a clinical laboratory with long-standing expertise in the disease area) have been shared in databases, yet the evidence that formed the basis for classification was not provided and may not be easily obtainable.
现在的数据库中记录了越来越多可靠来源(如长期专注于某一疾病领域的临床实验室)的致病性分类信息，但分类判断所依据的证据往往并未提供或者很难获取。在这种情况下，如果分类信息是近期提交的，那它就可以作为一个单独的支持证据。
然而，还是鼓励实验室共享分类的判断依据，并与提交者进行沟通以评估和创建分类证据。
如果能获得证据，不应使用这一条款，而是应该使用相关的证据。
BP5 alternate locus observations
BP5 对共发变异的观察
BP5：benign supporting，良性证据支持。
When a variant is observed in a case with a clear alternate genetic cause of disease, this is generally considered supporting evidence to classify the variant as benign.
一般情况下，当某一变异出现在有明确的遗传病因的患者中，可将该变异解读为良性的证据。
不过也有例外，某一个体可以是某一不相关隐性遗传疾病的致病变异的携带者，因此本证据与隐性遗传性疾病相比，更支持显性遗传性疾病基因良性变异的分类。
此外，某些疾病会因为具有多个变异而导致病情加重的情况。
例如，在一个表型严重的显性遗传的患者中鉴定了两个变异，一个是致病的，一个是新发变异。而父母其中的一个是有轻微疾病表型，这种情况下，必须考虑新发变异致病的可能性，且新发变异使先证者表型加重。在这种临床情况下，观察到的第二个新发变异不应分类为良性变异，(尽管在无进一步证据的前提下也不认为该变异是致病的)。
最后，有些疾病已知为多基因遗传模式，如Bardet-Beidel 综合征，发现的另外变异位点则有可能是致病的，但应谨慎进行报告。
BP7 synonymous variants
BP7 同义变异
There is increasing recognition that splicing defects, beyond disruption of the splice consensus sequence, can be an important mechanism of pathogenicity, particularly for genes in which loss of function is a common mechanism of disease.
人们逐渐认识到经典的剪接序列以外的剪接错误是一类重要的致病机制，特别是基因功能丧失的致病机制。因此，在假设同义核苷酸改变没有影响时应持谨慎态度。然而如果核苷酸位置进化不保守，且剪接评估算法预测其对剪接一致序列没有影响，也不会产生新的经典剪接序列，那么剪接影响的可能性就比较小。因此，如果生物信息分析证据支持(BP4)，可将新发同义变异分类为可能良性。
然而，如果生物信息分析证据表明剪接可能有影响或怀疑有影响(例如发生在隐性遗传病致病基因上，且与已知致病突变呈反式排列的变异)，那么在功能实验可以提供更确切的变异致病性评估，或者得到其他可排除该变异致病作用的证据之前，该类变异应该归类为意义不明确。
Evaluating variants in healthy individuals or as incidental findings
在健康个体中评估变异或作为偶然发现
当评估在健康或无症状个体中检测到的变异或者解释与主要检测指征无关的偶然发现的变异时，必须谨慎使用此指南。在这些情况下，所识别变异为致病变异的概率可能远低于疾病靶向性检测。
正因为如此，当判定这些变异为致病变异时，不仅需要更强的证据支持，而且需要额外谨慎。
此外，在无相关表型或家族史个体中发现的致病变异的预测外显率可能远远低于患病个体中基因变异的外显率。
联系客服
