结构信息与变异效应预测因子在RyR1临床解读中的互补作用

这篇综述系统评估了70种变异效应预测因子（VEP）在RyR1错义变异致病性判别中的表现，揭示了现有方法在预测功能获得型（gain-of-function）变异时存在局限性。研究创新性地提出基于三维空间聚类分析的空间邻近性疾病变异指标（SPDV），为RYR1相关疾病（包括恶性高热（MH）和中央轴空病（CCD））的临床变异解读提供了与序列分析方法互补的新策略。

引言

RYR1基因编码的骨骼肌ryanodine受体（RyR1）是人类最大的离子通道蛋白，由5038个氨基酸组成，分子量约2.2 MDa。作为肌浆网钙离子释放通道，RyR1在兴奋-收缩偶联中起核心作用，其功能受Ca²⁺、ATP、咖啡因以及挥发性麻醉剂、丹曲洛林等药物的调节。RYR1变异导致多种显性和隐性遗传病，包括恶性高热（MH）、中央轴空病（CCD）、多微轴空病（MmD）等，临床表现具有高度异质性。

研究方法

研究团队构建了包含430个致病性错义变异和6254个推定性良性变异的数据集，评估了70种VEP的预测性能。采用接受者操作特征曲线下面积（ROC AUC）作为评价指标。为避免数据循环偏差，重点分析了无种群数据依赖的VEP（population-free VEP）。基于兔源RyR1四聚体结构（PDB ID: 7M6A），开发了空间邻近性疾病变异（SPDV）指标，计算每个残基与已知致病变异空间距离的平均值。同时使用FoldX预测变异对蛋白质稳定性的影响（ΔΔG）。

结果与讨论

变异效应预测因子性能评估

临床训练型VEP（如BayesDel_noAF）虽显示较高判别性能（ROC AUC: 0.874），但存在明显的训练数据循环偏差。无种群数据依赖的VEP中，PHACT性能最佳（ROC AUC: 0.805），但仍显著低于其在典型功能丧失型基因中的表现。值得注意的是，针对功能获得型变异占主导的RYR1基因，所有VEP的整体判别能力均较弱，这与先前关于功能获得型变异预测困难的研究结论一致。

蛋白质结构分析

稳定性预测分析显示，致病性与推定性良性变异间的|ΔΔG|差异无统计学意义（ROC AUC: 0.557），表明蛋白质稳定性改变不是RYR1致病变异的主要机制。空间聚类分析揭示致病变异在三维结构中呈现显著聚集现象，尤其集中在C末端孔道区域。使用疾病变异聚集程度（EDC）指标量化发现：CCD变异聚集最强（EDC=1.31），MH变异次之（EDC=1.24），而隐性遗传变异则呈随机分布（EDC=1.04），这与它们不同的致病机制相符。

空间聚类预测模型

基于空间聚类特征开发的SPDV指标，在K=4时达到最佳性能（ROC AUC: 0.762）。表型特异性分析显示，SPDV对CCD变异预测效果最佳（ROC AUC: 0.806），而对临床异质性更高的RRD变异预测能力较弱（ROC AUC: 0.713）。这表明空间聚类策略特别适用于致病机制单一、变异聚集程度高的表型。

临床变异分类应用

采用acmgscaler工具对SPDV和PHACT进行ACMG/AMP PP3/BP4证据等级校准。结果显示两种方法具有互补性：PHACT能为少量变异提供强致病证据（PP3_strong），而SPDV能为更多变异提供中等支持证据；在良性证据提供方面，SPDV能对40-50%的gnomAD变异提供中强良性证据（BP4_moderate/strong）。对ClinVar中不确定意义变异（VUS）的分析表明，大部分VUS可能实际为良性变异，而专家委员会 curated的VUS更可能具有致病性。

结论

本研究证实现有VEP在RYR1错义变异解读中存在显著局限性，特别是对功能获得型变异预测能力不足。新开发的SPDV指标基于致病变异三维空间聚类特征，提供了与序列分析方法正交的补充策略。通过ACMG/AMP证据等级校准，SPDV和最佳无种群数据依赖VEP（PHACT）可协同提升RYR1变异的临床解读能力。这种结构信息驱动的分析方法为大型离子通道基因的变异解读提供了新范式，有望推广至其他具有类似变异聚集特征的致病基因。