錯義變異致病性預測：從序列保守性到 AlphaMissense

摘要

這篇圖片筆記整理了錯義變異（單一胺基酸替換）致病性預測的問題脈絡與工具演進。臨床上最大的瓶頸是「意義未明變異」（VUS）：已知的 1,640 萬種錯義變異中超過 99% 尚未完成臨床分類，而錯義變異又占致病變異約一半。預測工具從 2000 年代的序列保守性分析，一路加入蛋白質結構特徵、多工具整合的機器學習，再到 2020 年前後納入蛋白質動力學。2023 年 DeepMind 以 AlphaFold 2 的 Evoformer 為骨幹推出 AlphaMissense，對約 7,100 萬種可能的人類錯義變異完成約 89% 的分類，致病預測精確率約 90%，代表深度學習把結構預測能力直接轉成臨床解讀能力。

重點

• 問題規模：約 50% 的致病變異屬於錯義變異（HGMD，Stenson et al., 2020）；在已發現的 1,640 萬種錯義變異中，超過 99% 仍是意義未明變異（ClinVar、gnomAD 資料），臨床判讀的缺口遠大於已知。
• 致病邏輯鏈：DNA 錯義變異 → 蛋白質序列改變 → 蛋白質功能異常 → 疾病表型。預測依據分三層：局部化學變化（電荷、極性、疏水性）、局部結構變化（二級與三級結構）、動力學變化（構象柔性與運動狀態）；筆記以通道蛋白失去通道功能導致聽力損失為例。
• 工具演進四階段：2000 年前後 SIFT 等以序列保守性為主；2004-2008 年 PhyloP、GERP、PROVEAN 等強化多序列比對與進化保守；2012 年前後 PolyPhen-2、MutPred 等引入蛋白質結構特徵；2016 年 REVEL、BayesDel 走向多工具整合的機器學習；2020 年 Rhapsody、DynaMut 納入蛋白質動力學。
• 動力學特徵的做法是用高斯網路模型（GNM）把全原子模型簡化成粗粒度模型，計算殘基的運動特性作為預測輸入。
• 多維特徵整合的效益：Rhapsody（隨機森林）同時用序列、結構與動力學特徵時 AUROC 約 0.84，只用序列約 0.68，只用結構加動力學約 0.70（數值估算自 Ponzoni and Bahar, 2018 的圖表）。
• AlphaMissense 架構：輸入參考序列、採樣變異與多序列比對（MSA），以 AlphaFold 2 的 48 層 Evoformer 為主幹、循環 4 輪，輸出結構預測、致病分數（參考胺基酸與變異胺基酸的對數機率差）及從「最可能良性」到「最可能致病」的連續分級；原筆記稱參數量超過 9,000 萬。
• AlphaMissense 成果：對約 7,100 萬種可能的人類錯義變異中約 89% 完成分類，致病變異預測精確率約 90%；之後仍有 2024 年的 VariPred 等新工具出現，這個領域仍在快速迭代。

金句