化学、生物与自动化实验室
突破级
暂无讲解视频
收录解读
问题与背景：missense variant interpretation 的难点在于跨蛋白、跨疾病严重度和未见变异的可比性。许多模型能在已知疾病基因内分类，但不能稳定地把不同基因上的变异放到同一严重度尺度上。
方法与新意：popEVE 结合 EVE/ESM 等进化序列信息与 UKBB、gnomAD 等人群约束，用概率模型把蛋白内变异效应校准到 proteome-wide deleteriousness 尺度。它强调可跨基因排序，而不只是二分类 pathogenic/benign。
收录意义：这篇值得进入 AI biology/clinical genomics 主线，因为它改变的是罕见病变异解释工作流：在没有亲代测序的 singleton case 中也能优先排序候选 causal variant，并能降低人群结构偏差。对 AI 辅助诊断和基因组发现流程有持久参考价值。
局限：临床采用仍需要前瞻性验证、管线整合和监管证据；模型仍依赖既有人群数据库与进化序列覆盖。因此按 breakthrough 收录，而不是更高等级。