GnomAD
gnomAD（Genome Aggregation Database，基因组聚合数据库）是目前全球生物医学界公认的人类遗传变异基准数据库。
它由 Broad Institute 开发并维护，旨在通过汇集全球数十万无亲缘关系个体的全外显子组（WES）和全基因组（WGS）测序数据，构建一个代表“普通人群”的背景参照系。临床遗传学家和科研人员使用 gnomAD 的核心目的在于“做减法”：如果在 gnomAD 中发现某个变异在高频出现（>1%），那么该变异极大概率是良性的，从而可以从致病候选名单中剔除。它是解读罕见病和癌症基因组数据的“黄金标准”。
不容忍度：衡量基因“脆弱性”的尺子
gnomAD 最大的贡献之一不仅是告诉我们哪些变异是常见的，还告诉我们哪些基因是不能突变的。通过计算“预期突变数”与“实际观测数”的比值，gnomAD 提供了两个关键指标来评估基因对功能缺失（LoF）变异的耐受度。
| 指标 | 含义 | 临床解读 |
|---|---|---|
| pLI Score | Probability of LoF Intolerance。 范围 0 - 1。 |
pLI ≥ 0.9：该基因对变异极度不耐受（Haploinsufficient）。一旦发生截短突变，极大概率致病。 |
| LOEUF | LoF Observed/Expected Upper Fraction。 越低越好。 |
比 pLI 更精细。LOEUF < 0.35 提示基因受到强烈的自然选择净化，功能至关重要。 |
| Z-score | 错义突变（Missense）的约束分数。 正值越高越受约束。 |
Z > 3.09 提示该基因对错义突变敏感，其上的错义变异更可能是致病的。 |
数据的进化：从 ExAC 到 v4
gnomAD 的数据量呈指数级增长，不断提升罕见变异检测的统计效力。
- ExAC (2014)： 约 6 万人全外显子数据。开创了聚合数据库的先河，首次让“因人群太少而误判致病”的现象大幅减少。
- gnomAD v2 (2017)： 约 12.5 万外显子 + 1.5 万全基因组。不仅看编码区，也开始探索非编码区。
- gnomAD v3 (2019)： 约 7 万全基因组 (WGS)。基于 GRCh38 参考基因组构建，大大提高了对结构变异（SV）的检测能力。
- gnomAD v4 (2023)： 规模爆发至 80 万人（主要扩增了 UK Biobank 数据）。数据量的跃升让发现极罕见变异（Ultra-rare variants）成为可能。
关键相关概念 [Key Concepts]
1. Allele Frequency (AF, 等位基因频率)： gnomAD 最基础的输出。例如，如果一个变异在 gnomAD 中的 AF 为 0.05 (5%)，根据 ACMG 指南（BA1证据），它几乎可以被判定为良性，无需进一步分析。
2. Filtering (过滤策略)： 临床分析的漏斗模型。第一步通常是“Filter by gnomAD”，即剔除人群频率 > 0.1% 或 1% 的变异，将成千上万个候选变异迅速缩减到几十个。
3. Exclusion Criteria (排除标准)： 重要的是，gnomAD 剔除了患有严重儿童期疾病的个体。因此，它代表的是“相对健康”或“成年期发病”的人群，而非完美的健康对照。
学术参考文献 [Academic Review]
[1] Karczewski KJ, et al. (2020). The mutational constraint spectrum quantified from variation in 141,456 humans. Nature.
[点评]：gnomAD 的旗舰论文。系统描述了人类基因组的变异图谱，并提出了 pLI 和 LOEUF 等关键约束指标，重塑了变异解读流程。
[2] Lek M, et al. (2016). Analysis of protein-coding genetic variation in 60,706 humans. Nature.
[点评]：ExAC 的奠基之作。展示了大规模人群聚合数据对于修正致病位点误判（Reclassification）的巨大威力。
[3] Richards S, et al. (2015). Standards and guidelines for the interpretation of sequence variants (ACMG). Genet Med.
[点评]：ACMG 指南明确指出，利用人群数据库（如 gnomAD）的高频数据是判定良性变异的最强证据之一（BS1/BA1）。