PAED7902 Journal Club 1 · 二代测序诊断疑似遗传病（NEJM 2018 文献研讨）

文献研讨预习笔记：NEJM 2018 NGS 诊断疑似遗传病综述——四种测序策略覆盖与取舍、诊断产出率 25–52%、trio 测序增益、Figure 2 七个解读失败环节、ACMG 五级分类与 VUS、重分析与临床实施伦理，含自测题。

1. 本讲信息

  • 课程：PAED7902 Introduction to Genomic Medicine and Precision Health（基因组医学与精准健康导论）
  • ** 讲次**：Journal Club 1（文献研讨课 1）
  • ** 日期**：2026-09-20
  • ** 研读论文**：Adams DR, Eng CM. Next-Generation Sequencing to Diagnose Suspected Genetic Disorders. N Engl J Med. 2018;379:1353-62. DOI: 10.1056/NEJMra1711801
  • 主课件：NGS_Diagnostic_Precision_Medicine_Journal_Club_28Slides_20260923_updated.pptx（19 页研讨幻灯；课件首页即论文标题，slide 2 附作者视频访谈链接与文字稿获取方式）
  • 主讲教师信息课件中未标注，此处不作推测。
本讲为 journal club 形式：课前需通读论文原文（Materials 目录下有 PDF 全文），课堂围绕幻灯片中的问题展开讨论，并配合《Reading questions》（16 条导读问题）与《MCQs_for_further_study》（13 道选择题 + 1 道现场投票题）检验理解。

2. 学习目标

依据课件 slide 5，本讲要求：
  1. 理解二代测序（Next-Generation Sequencing, NGS）的技术原理、诊断产出率、变异解读、临床实施与精准医学应用；
  1. 认识 NGS 带来的方法学影响（methodological implications）；
  1. 认识生物信息学解读层面的挑战（bioinformatics interpretation challenges）；
  1. 思考临床转化中的现实考量（clinical translation considerations）。

3. 核心内容

3.1 NGS 对遗传诊断的影响：机会与挑战

NGS 指高通量平行测序技术，可一次性分析数千个基因、全部外显子组甚至整个基因组，区别于传统一次只测一个基因的 Sanger 测序（Sanger sequencing，第一代双脱氧链终止法测序，读长准确但通量低）。课件 slide 3 概括其影响：相比逐基因检测提高诊断效率，约 25% 的疑似遗传病患者可获得分子诊断；结果可能为明确诊断（diagnostic）、意义不确定（variants of uncertain significance, VUS，见 3.5 节）或阴性/无结论；随着知识更新，对已有数据重新分析（reanalysis）可能产生新诊断。
slide 4 总结机会与挑战。** 机会**：缩短罕见病患者的诊断历程（diagnostic odyssey，指患者长年辗转多个专科、接受大量检查仍无确诊的过程）；支撑精准医学（precision medicine，依据个体基因组信息指导防治决策）与药物基因组学（pharmacogenomics，基因型指导用药）；基因—疾病关联不断积累，临床效用持续上升。** 挑战**：费用与保险覆盖不足；对健康人群开展基因组筛查尚缺乏充分证据；变异解读复杂；隐私、数据所有权与遗传信息滥用等伦理问题。
论文另给出一个技术验证数据（PDF 第 1 页）：在 5 个基因、684 名参与者的比较中，外显子组测序结果与 Sanger 测序的符合率达 99.97%，且高质量区域内不一致的结果更多是外显子组正确。

3.2 四种测序策略：覆盖范围与取舍

论文 Figure 1（课件 slide 6 配图）比较了四种检测的实际覆盖范围。先明确几个基因组结构概念：** 外显子（exon）是基因中编码蛋白质的 DNA 区段； 内含子（intron）是外显子之间的非编码区段； 基因间区（intergenic region）是基因之间的序列。外显子合计仅占基因组约 1–2%。 读段（read）是测序仪产生的短 DNA 片段序列； 覆盖深度（depth of coverage）**指某位置被读段覆盖的次数，深度不足则该处变异可能漏检。
策略
覆盖对象
特点
Sanger 测序
少量目标外显子/突变
准确但通量低，覆盖边界明确
NGS 基因面板（gene panel）
选定的一组疾病相关基因
目标基因覆盖深度高、成本低；面板外基因完全未测
全外显子组测序（whole-exome sequencing, WES）
约 22,000 个已知基因的外显子
覆盖几乎全部编码区，但内含子与基因间区基本不测
全基因组测序（whole-genome sequencing, WGS）
几乎整个基因组
含调控区、内含子、基因间区；数据量最大、更贵
课件 slide 7 列出常用基因面板示例：遗传性乳腺癌/卵巢癌（BRCA1、BRCA2、PALB2、TP53）、遗传性心肌病（MYH7、MYBPC3、TNNT2、LMNA）、癫痫（SCN1A、SCN2A、KCNQ2、STXBP1）、遗传性视网膜病变（ABCA4、USH2A、RHO、RPGR）、原发性免疫缺陷（ADA、BTK、STAT3、IL2RG）。在 NGS 时代，面板可大至数百个基因；论文举例面板可窄至家族性高胆固醇血症的 4 个基因，或宽至智力障碍的 1000 余个基因。
论文 Table 1（课件 slide 8 配图）进一步比较各检测格式：Sanger 类检测覆盖"边界明确"（well-defined），而外显子组/基因组测序覆盖"部分明确"——少数区域测不到且实验室无法精确列出，这是阴性结果不能排除诊断的原因之一；检测范围越大，与主诉无关的意外发现（incidental/secondary findings）概率越高，外显子组与基因组测序中约 5% 的研究可检出此类发现。讲者备注提出讨论题：若不考虑成本，WGS 是否应取代所有其他遗传检测？

3.3 诊断产出率与检测策略选择

** 诊断产出率（diagnostic yield）**指检测能够给出明确分子诊断的患者比例。关键数据（论文第 3–4 页；课件 slide 14）：
  • 对疑似遗传病但未确诊的患者，临床外显子组/基因组测序的产出率为 25–52%，特定队列可达约 60%；
  • 面板在表型明确、遗传异质性疾病中产出率常更高：遗传性视网膜病 222 基因面板诊断率 51%（98/192），早发癫痫 172 基因面板约 30%——且该面板中 156 个基因未检出任何异常，说明基因数增多并不线性提高诊断率；
  • 选择检测需综合诊断不确定性、面板设计、成本与预期突变类型。
** 三家系测序（trio sequencing）**指同时测序先证者（proband，就诊的患者）及其生物学父母。课件 slide 12 与论文指出：仅测先证者需面对数百万个变异，而 trio 测序可立即识别新发变异（de novo variants，父母均无而患儿特有的变异）、确认隐性遗传模式与家系分离（segregation，变异在家族成员中的传递与患病状态是否一致），论文报告 trio 策略可将诊断率提高约 16 个百分点。前提是须向实验室准确提供所有受检者的临床表型。

3.4 解读瓶颈：Figure 2 与七个失败环节

论文 Figure 2（课件 slide 9、10 配图）展示临床 NGS 的实验室与分析工作流，并说明为何"测到了致病变异仍可能得不出诊断"。讲者备注强调：测序容易、解读困难——"我们对患者测序后得到的不是一个答案，而是数千个变异"。
** 前段三个环节（slide 9）**：
  1. ** 初始检测策略（initial testing strategy）**：家系中"患病/未患病"标签可能标错。外显率不全（incomplete penetrance，携带致病突变但不表现症状）的家系中，携带风险等位基因但表型正常的成员（Figure 2 中的 BRCA1 乳腺癌家系示例：表型正常的女儿实际携带风险基因型）若被当作未患病，其变异可能被错误丢弃；
  1. ** 测序数据生成（generation of sequencing data）：重复序列或特殊碱基组成等"难测序区域"根本测不出数据，位于其中的变异造成 假阴性**；
  1. ** 短读段比对（short-read alignment）：短读段需比对回参考基因组，若被错误定位到基因组中另一高度相似区域，读段与参考的差异会被误认为突变，造成 假阳性**。
** 后段四个环节（slide 10）**：
  1. ** 基因分型（genotyping）**：低覆盖区域基因型判断置信度低，可能被直接放弃，漏掉真实变异；
  1. ** 注释（annotation）**：数据库信息可能过时、预测软件可能出错。Figure 2 以镰刀型细胞贫血（sickle cell anemia）为例：HBB 基因 c.20A→T（p.Glu7Val，rs334）这一已知致病变异，被 PolyPhen-2 判为"良性"、MutationTaster 判为"多态性"——两类计算预测工具均得出错误结论；
  1. ** 变异过滤（variant filtration）**：需用过滤规则把数百万变异缩减到可分析的数量，但规则假设一旦违反就会误删致病变异。Figure 2 示例：规则"剔除任一人群中频率 >5% 的变异"会错误丢弃在北美人群中出现率 11% 的血色病（hemochromatosis）致病变异 p.Cys282Tyr；
  1. ** 解读（interpretation）**：最终仍需人工判断变异是否致病，稀有或新发现的变异尤其依赖经验与推断，证据不足者归为 VUS。

3.5 变异分类、VUS 与重分析

** 变异分类**依据美国医学遗传学与基因组学学院（American College of Medical Genetics and Genomics, ACMG）标准，分五级：致病（pathogenic）、可能致病（likely pathogenic）、意义未明变异（variant of unknown significance, VUS）、可能良性（likely benign）、良性（benign）。评估依据包括进化保守性、人群频率（大规模人群数据库如 gnomAD/ExAC）与对蛋白质功能的预测或实测效应。ClinVar 是收集已解读变异的公共数据库，采用分级证据体系，但存在提交结论冲突与变异被重新分类的现象——课件 slide 15 与 MCQ Q7 均强调：ClinVar 分类应作为证据使用，不能不经审查直接采信。
VUS 是本讲的反复强调点（slide 13）：测序发现了变异，但不知道它是否致病。VUS 不能作为诊断或治疗决策的依据，最大风险是被过度解读，导致不必要的焦虑、干预或亲属级联检测（MCQ Q5）。
** 重分析（reanalysis）**（slide 16、17）：新疾病基因发现、ClinVar 更新、注释改进、更多病例发表，都可能使旧数据产生新结论。论文引述研究：初次解读 12 个月后重新分析外显子组数据可新增诊断且具成本效益。讲者备注指出这是最反直觉的实践要点——今天阴性的外显子组，两年后可能变为阳性；无需重新测序，只需新知识。这也带来"谁负责通知患者"的管理问题（Reading questions 第 16 条）。

3.6 临床实施、伦理与精准医学

论文后半部分（PDF 第 7–8 页）与课件 slide 4 讨论落地问题：
  • ** 临床效用证据**：及时诊断可改变治疗方案、提供再发风险咨询并结束漫长的诊断过程。44 名儿童研究中 52% 经外显子组测序确诊、25% 因此调整管理；63 名危重新生儿诊断率 51%、72% 影响治疗决策；42 名患者对比研究中基因组测序诊断产出率 43%，显著高于标准检测组合的 10%；
  • ** 知情同意与继发发现**：ACMG 发布了必须回报的、可指导治疗决策的继发发现基因清单；患者有权选择是否接收部分结果。《遗传信息反歧视法》（Genetic Information Nondiscrimination Act, GINA, 2008）禁止就业与医疗保险中的基因歧视，但人寿、残疾与长期护理保险不在保护范围；
  • ** 报销（reimbursement）**：公共与商业支付方对 NGS 检测的覆盖滞后于技术发展，通常需事先授权并说明结果将如何改变诊疗；
  • ** 健康人测序**：外显子组测序平均检出 1–7 个隐性携带变异；约 2% 的研究在 ACMG 推荐基因中检出可操作的致病/可能致病变异；健康人基因组研究中有 22% 得到临床效用不确定的单基因疾病风险结果。基因型指导的华法林（warfarin）剂量研究结论不一，说明药物基因组学的个体效用证据仍不充分；
  • ** 未来方向**：RNA 检测整合、结构变异（structural variants，大片段缺失/重复/重排，短读长测序检测能力有限）检测改进、检测决策优化，以及更多元人群的变异图谱建设——受检者祖源与对照数据库人群不匹配会降低检测性能。

4. 关键图解

【图待补】slide6-fig1-test-types.png — 论文 Figure 1：四种测序策略覆盖范围对比
论文 Figure 1（课件 slide 6）：同一段含三个基因的基因组区域上，Sanger 测序只覆盖少量目标、基因面板只测选定基因（Gene 2 完全未测）、外显子组测序覆盖所有外显子但跳过内含子与基因间区、基因组测序近乎全覆盖。展示各策略在覆盖广度与深度上的差异。
【图待补】slide8-table1-test-formats.png — 论文 Table 1：各类测序检测格式比较
论文 Table 1（课件 slide 8）：从 Sanger 目标测序到全基因组测序，列出各格式的设计、覆盖确定性、常规适应证与"与主诉无关的发现"。核心信息：检测范围越大，诊断能力越广，但复杂度、不确定性与意外发现也随之增加。
【图待补】slide9-fig2-pre-analytic-challenges.png — Figure 2 上半部分：三个前段失败环节
Figure 2 上半（课件 slide 9）：初始检测策略错误（BRCA1 家系中表型正常但携带风险基因型的女儿）、难测序区域漏检（假阴性）、短读段错误比对（假阳性）。说明临床测序不仅受生物学限制，还受研究设计、技术与生物信息学限制。
【图待补】slide10-fig2-interpretation-challenges.png — Figure 2 下半部分：基因分型、注释、过滤与解读
Figure 2 下半（课件 slide 10）：发现变异只是起点——低覆盖区基因型置信度低、注释依赖可能出错的数据库与预测软件（镰刀型贫血突变被误判为良性）、过滤规则可能误删致病变异（血色病突变因人群频率高被剔除）、最终解读大量依赖人工判断，ACMG 五级分类中许多变异停留在 VUS。

5. 课前思考 / 自测

以下题目提炼自《MCQs_for_further_study》与《Reading questions》：
  1. ** 首选检测**：7 岁儿童患肥厚型心肌病，无其他综合征特征，应首选基因面板、WES 还是 WGS？（MCQ Q1：答案为靶向心肌病基因面板——表型明确指向遗传异质性但已被充分表征的疾病时，面板覆盖深、成本低、解读易）
  1. trio 测序：为什么同时测序患儿与父母能提高诊断产出率？（MCQ Q3 / Reading questions 第 3 条：识别 de novo 变异、验证分离模式、大幅缩减待解读变异数；产出率可提高约 16 个百分点）
  1. ** 预测软件的局限**：镰刀型细胞贫血的已知致病变异被两个计算工具判为良性，这说明什么？（变异解读不能只靠计算预测，需综合人群频率、分离、功能证据与表型；见 MCQ Q4）
  1. ** 阴性结果的含义**：外显子组测序报告为阴性，能否证明患者没有遗传病？（slide 19：不能——变异可能位于未覆盖区、属于结构变异、相关疾病基因尚未发现，或变异被错误过滤/错误分类）
  1. ** 伦理情境**：为发育迟缓新生儿做 WGS，意外发现 BRCA1 致病变异，应否告知父母？（Reading questions 情境题：涉及知情同意、"不知情权"、儿童未来自主权与可操作发现的披露，是课堂辩论题）
  1. ** 辩论题**：健康的 25 岁志愿者要求做全基因组测序，你会推荐吗？（MCQ 附投票题：最佳答案为"可以，但须先做充分的前测咨询"）

6. 参考材料

  • ** 主课件**：Materials/NGS_Diagnostic_Precision_Medicine_Journal_Club_28Slides_20260923_updated.pptx（2026-09-23 更新版，19 页）
  • ** 研读论文**：Materials/NGS_Diagnostic_Precision_Medicine.pdf — Adams DR, Eng CM. N Engl J Med 2018;379:1353-62（含 Figure 1、Figure 2、Table 1）
  • ** 辅助材料**：Materials/MCQs_for_further_study.docx（13 道 MCQ + 1 道辩论投票题，含答案与解析）；Materials/Reading questions.docx（16 条分五部分的导读讨论题）
  • 旧版幻灯 NGS_Diagnostic_Precision_Medicine_Journal_Club_28Slides.pptx 已被 20260923 更新版取代，未单独整理
上一篇
MSBS7101 Lecture 4 · 基因组信息学导论
下一篇
PAED7902 Lecture 3 · 精准医学中的大数据与人工智能
Loading...
2026-11-3