医学遗传前沿

本期播客，跟大家宣布一个消息：我可能要放弃以学术为职业了，当然还要加一些定语，放弃全职的学术工作，而不是放弃科研精神和科研探索；容易的决定，理性上容易，情感上却很难。

在此梳理一下我过去十年的学术生涯的点点滴滴，一些感受和关键的决策点～

若对播客有任何问题或者投稿，或需要获得文字版音频总结，请联系我 [email protected]
小红书 / 微博：@撸森森
同时也可以添加微信 zhaosen830 进入听友交流群，谢谢 Thanks♪(･ω･)ﾉ

在小宇宙查看该单集文稿

本期我们聊一聊智能体 Agent，以及其在医学遗传中的应用。以罕见病辅助诊断系统 DeepRare 和自动化 ACMG/AMP 变异分类框架 AI-CURA 为例，看一看它们如何检索相似病例、调用专业工具、阅读文献并将研究证据映射到诊断或变异评级。同时，我们也分析了两类系统的局限：DeepRare的性能高度依赖相似病例库，面对库外疾病和新基因时的能力仍待验证；AI-CURA依赖高质量、可获取的全文文献，在第三方检验所却难以获取，距离持续、合法、稳定的临床应用还有一定距离。由此，本期提出遗传学Agent未来的三个发展方向：积累高质量的真实世界数据，完成病例、表型、变异和文献证据的清洗与结构化，以及发展能够直接理解DNA序列和调控机制的基因组基座模型。

参考文献：

1. Zhao W, et al. An agentic system for rare disease diagnosis with traceable reasoning. Nature. 2026. 论文链接

2. Ma W, et al. AI-CURA, an automated LLM workflow for high-accuracy genetic variant classification. Science Translational Medicine. 2026. 论文链接

3. Chen, et al. PhenoApt leverages clinical expertise to prioritize candidate genes via machine learning. The American Journal of Human Genetics. 2022. 论文链接

特别鸣谢我的师弟蔡继昊，我们一起讨论了 deepRare 的一些 limitation，产生了很多灵感。

若对播客有任何问题或者投稿，或需要获得文字版音频总结，请联系我 [email protected]
小红书 / 微博：@撸森森
同时也可以添加微信 zhaosen830 进入听友交流群，谢谢 Thanks♪(･ω･)ﾉ

在小宇宙查看该单集文稿

相信很多朋友都看到了最近令人痛心的基因编辑临床实验，本期播客，聊一聊这个故事以及我认为最重要的问题和反思。

参考链接：

• Science / Retraction Watch 调查报道：
  https://www.science.org/content/article/exclusive-death-girl-chinese-gene-editing-trial-was-never-made-public

• Retraction Watch 版本：
  https://retractionwatch.com/2026/07/23/exclusive-death-gene-editing-trial-china-nature-science-investigation/

• Nature 论文原文（In vivo base editing of Chd3 rescues behavioural abnormalities in mice，Qiu et al., Nature 651, 785–795, 2026）：
  https://www.nature.com/articles/s41586-026-10113-6
  DOI: 10.1038/s41586-026-10113-6

若对播客有任何问题或者投稿，或需要获得文字版音频总结，请联系我 [email protected]
小红书 / 微博：@撸森森
同时也可以添加微信 zhaosen830 进入听友交流群，谢谢 Thanks♪(･ω･)ﾉ

在小宇宙查看该单集文稿

本期主要内容

做医学遗传的朋友都知道 VUS 有多烦：一份报告里冒出一堆"意义未明"的变异，既不能定致病也不能定良性，等于没给诊断。这期我们聊的 MAVE（Multiplexed Assays of Variant Effect ），就是目前消灭 VUS 最猛的一件武器：它用一次实验，把一个基因所有可能的突变全做一遍功能测试，提前画好一张"变异效应图谱"，解读的时候直接查表就行。本期节目，我们介绍一下 MAVE是什么、怎么做讲起——从 2010 年前后那几篇奠基作，到 BRCA1、PTEN 这些经典案例，到最近两年爆火的 RNU4-2 。最后介绍两个落地工具：存原始数据的 MaveDB，和把功能分数翻译成 ACMG 临床证据的 ClinMAVE，怎么用在解读里。

关键词（中英文对照）

多重变异效应检测Multiplexed Assays of Variant Effect (MAVE)

深度突变扫描Deep Mutational Scanning (DMS)

饱和基因组编辑Saturation Genome Editing (SGE)

意义未明的变异Variant of Uncertain Significance (VUS)

变异效应图谱Variant Effect Map

致病几率（PS3 证据）Odds of Pathogenicity (OddsPath)

ACMG/AMP 变异解读标准ACMG/AMP guidelines

ReNU 综合征 / 神经发育障碍ReNU syndrome / NDD

参考文献

方法学奠基

1. Fowler DM, Araya CL, Fleishman SJ, Kellogg EH, Stephany JJ, Baker D, Fields S. High-resolution mapping of protein sequence-function relationships. Nature Methods. 2010;7(9):741–746. https://www.nature.com/articles/nmeth.1492

2. Ernst A, Gfeller D, Kan Z, Seshagiri S, Kim PM, Bader GD, Sidhu SS. Coevolution of PDZ domain–ligand interactions analyzed by high-throughput phage display and deep sequencing. Molecular BioSystems. 2010;6(10):1782–1790. https://doi.org/10.1039/c0mb00061b

3. Hietpas RT, Jensen JD, Bolon DNA. Experimental illumination of a fitness landscape. PNAS. 2011;108(19):7896–7901. https://www.pnas.org/doi/full/10.1073/pnas.1016024108

4. Fowler DM, Fields S. Deep mutational scanning: a new style of protein science. Nature Methods. 2014;11(8):801–807. https://www.nature.com/articles/nmeth.3027

MAVE 命名与临床转向

1. Starita LM, Ahituv N, Dunham MJ, Kitzman JO, Roth FP, Seelig G, Shendure J, Fowler DM. Variant Interpretation: Functional Assays to the Rescue. American Journal of Human Genetics. 2017;101(3):315–325. https://doi.org/10.1016/j.ajhg.2017.07.014

经典临床基因案例

1. Findlay GM, Daza RM, Martin B, Zhang MD, Leith AP, Gasperini M, Janizek JD, Huang X, Starita LM, Shendure J. Accurate classification of BRCA1 variants with saturation genome editing. Nature. 2018;562(7726):217–222. https://www.nature.com/articles/s41586-018-0461-z

2. Starita LM, Islam MM, Banerjee T, Adamovich AI, Gullingsrud J, Fields S, Shendure J, Parvin JD. A Multiplex Homology-Directed DNA Repair Assay Reveals the Impact of More Than 1,000 BRCA1 Missense Substitution Variants on Protein Function. American Journal of Human Genetics. 2018;103(4):498–508. https://doi.org/10.1016/j.ajhg.2018.07.016

3. Mighell TL, Evans-Dutson S, O'Roak BJ. A Saturation Mutagenesis Approach to Understanding PTEN Lipid Phosphatase Activity and Genotype-Phenotype Relationships. American Journal of Human Genetics. 2018;102(5):943–955. https://doi.org/10.1016/j.ajhg.2018.03.018

非编码 RNA 的里程碑：RNU4-2

1. RNU4-2 ReNU 综合征首次报道（de novo 变异致病）。Nature. 2024.（建议正式引用时核对作者与卷期） https://www.nature.com/articles/s41586-024-07773-7

2. Saturation genome editing of RNU4-2 reveals distinct dominant and recessive neurodevelopmental disorders. 预印本 medRxiv. 2025. https://www.medrxiv.org/content/10.1101/2025.04.08.25325442v1 正式版：Nature. 2026. https://www.nature.com/articles/s41586-026-10334-9

数据库

1. Esposito D, Weile J, Shendure J, Starita LM, Papenfuss AT, Roth FP, Fowler DM, Rubin AF. MaveDB: an open-source platform to distribute and interpret data from multiplexed assays of variant effect. Genome Biology. 2019;20(1):223. https://genomebiology.biomedcentral.com/articles/10.1186/s13059-019-1845-6 数据库主页：https://www.mavedb.org

2. Rubin AF, et al. MaveDB 2024: a curated community database with over seven million variant effects from multiplexed functional assays. Genome Biology. 2025;26:13. https://link.springer.com/article/10.1186/s13059-025-03476-y

3. Ma C, Li Z, Tang X, Li P, Li L, Wang S, Wu J, Luo L, Liu Y, Zhang Z, Wang X. ClinMAVE: a curated database for clinical application of data from multiplexed assays of variant effect. Nucleic Acids Research. 2026;54(D1):D1355–D1363. https://academic.oup.com/nar/article/54/D1/D1355/8322704 数据库主页：https://ngdc.cncb.ac.cn/clinmave/

4. MaveMD: A functional data resource for genomic medicine. 预印本 medRxiv. 2025. https://www.medrxiv.org/content/10.1101/2025.11.14.25340130v1

若对播客有任何问题或者投稿，或需要获得文字版音频总结，请联系我 [email protected]
小红书 / 微博：@撸森森
同时也可以添加微信 zhaosen830 进入听友交流群，谢谢 Thanks♪(･ω･)ﾉ

在小宇宙查看该单集文稿

提到 RNAseq，我们默认想到的是已经广泛应用十多年的二代短读长 RNAseq。而如今，全长转录组测序正在从实验室走向临床。本期节目，我们从技术本身出发，聊聊长读长 RNA-seq 是什么、和短读长比到底强在哪，以及它在实际遗传病诊断中已经能做到什么——结合两篇 2026 年最新发表的临床队列研究，看看全长转录组在临床中的实用性如何。

本期内容

• 全长转录组测序的技术背景：短读长的三大局限，PacBio 与 ONT 平台的技术路线，以及 Iso-Seq 和 Kinnex 的关系

• HiFi Kinnex RNA-seq（EJHG, 2026）：全转录组方案在临床队列中的表现，球蛋白耗竭的反直觉结果，以及内含子保留、渗漏剪接、相位分析的实际案例 doi:10.1038/s41431-026-02042-9

• STRIPE（Science Advances, 2026）：靶向长读长 RNA-seq 如何实现单倍型分辨诊断，以及供体剪接位点变异激活隐性 PAS 的新机制 doi:10.1126/sciadv.ady9895

• 全长转录组的局限性和未来发展方向的探讨

术语列表

Long-read RNA-seq
全长转录组测序

对 RNA 分子从头到尾进行测序，获得完整的转录本序列，可同时获得剪接异构体信息和单倍型分辨。

Iso-Seq

PacBio 全长 RNA-seq 的标准操作框架，涵盖实验端（逆转录、扩增、去嵌合体）和生信端（比对、转录本重建、异构体分类），适用于历代 PacBio 测序仪。

Kinnex / MAS-seq

PacBio 2023 年推出的文库制备技术。将多个 cDNA 首尾串联成 concatamer 后测序，再由 skera 软件切分回原始片段，使 RNA 测序有效通量提升约一个数量级。Iso-Seq 是方法框架，Kinnex 是提升通量的文库策略，二者可结合使用。

Haplotype resolution
单倍型分辨

区分来自父母双方的两条等位基因（单倍型）的能力。短读长因片段太短往往无法实现，长读长可通过单条读长跨越多个变异位点完成相位分析（phasing）。

Cryptic PAS
隐性多聚腺苷酸化信号

内含子中本被 U1 snRNP 抑制的 poly(A) 信号。当供体剪接位点发生变异，U1 snRNP 无法正常结合，隐性 PAS 被激活，导致转录本在内含子处提前切割和多聚腺苷酸化，产生截短蛋白。

NMD
无义介导的 mRNA 降解

Nonsense-mediated mRNA decay，细胞降解含提前终止密码子的异常转录本的机制。导致部分致病转录本在常规 RNA-seq 中几乎检测不到，需要靶向深度覆盖或 cycloheximide（CHX）处理才能捕获。

Leaky splicing
渗漏剪接

纯合致病变异患者中仍可检测到少量正常剪接转录本的现象，提示剪接机器并未完全失效。可能解释相同基因型患者间临床表现的异质性。

VUS
临床意义不明确变异

Variant of Uncertain Significance，DNA 检测发现但缺乏足够功能证据判断致病性的变异。RNA-seq 可提供转录本层面的直接功能证据，有助于 VUS 的重新分类。

CDG / PMD

先天性糖基化障碍（Congenital Disorders of Glycosylation）和原发性线粒体病（Primary Mitochondrial Disease），本期 STRIPE 研究所涵盖的两类遗传代谢病，共涉及 466 + 359 个靶向基因。

参考文献

Wang R, Wang F, et al. Targeted long-read RNA sequencing for rare disease diagnosis and variant interpretation. Science Advances 12, eady9895 (2026). doi:10.1126/sciadv.ady9895

Jaramillo Oquendo C, Ferraro F, et al. HiFi long-read RNA sequencing enhances clinical diagnostics in rare disorders. European Journal of Human Genetics (2026). doi:10.1038/s41431-026-02042-9

Wang F, et al. TEQUILA-seq: A versatile and low-cost method for targeted long-read RNA sequencing. Nature Communications 14, 4760 (2023).

Al'Khafaji AM, et al. High-throughput RNA isoform sequencing using programmed cDNA concatenation. Nature Biotechnology 42, 582–586 (2024). [MAS-seq / Kinnex 原始方法文章]

Kaida D, et al. U1 snRNP protects pre-mRNAs from premature cleavage and polyadenylation. Nature 468, 664–668 (2010). [隐性 PAS 机制背景]

Yepez VA, et al. Clinical implementation of RNA sequencing for Mendelian disease diagnostics. Genome Medicine 14, 38 (2022).

Pardo-Palacios FJ, et al. Systematic assessment of long-read RNA-seq methods for transcript identification and quantification. Nature Methods 21, 1349–1363 (2024).

若对播客有任何问题或者投稿，或需要获得文字版音频总结，请联系我 [email protected]
小红书 / 微博：@撸森森
同时也可以添加微信 zhaosen830 进入听友交流群，谢谢 Thanks♪(･ω･)ﾉ

在小宇宙查看该单集文稿

近几年关于泛基因组（Pangenome）的文章越来越多，而且一发就是顶刊。那究竟什么是Pangenome，它对于我们医学遗传又能起到什么作用？本期节目，我们首先介绍pangenome 的构建过程，包括多样本 assembly、graph genome 以及 nested variant 带来的复杂性。而后重点分析它在实际分析中的价值与局限：在 short-read 中的边际提升、在结构变异中的潜力与现实工具链的不匹配，以及在 long-read 时代它到底是不是“必须品”。最后，我们从一个更宏观的角度讨论科研热点与实际应用之间的关系：一个能发大文章的方向，是否真的等同于“有用”。

术语列表

• Reference genome（参考基因组）
  一个用于比对和变异检测的标准序列，通常是多个个体拼接而成的线性表示。
• GRCh38（hg38）
  当前广泛使用的人类参考基因组版本，由 Genome Reference Consortium 维护，是多来源拼接而成的“共识序列”。
• Pangenome（泛基因组）
  包含一个物种内多个个体基因组结构信息的集合，通常以 graph 形式表达多种可能路径。
• Graph genome（图基因组）
  用节点和路径表示序列及其变异的结构，允许多条等位路径共存，而不是单一线性序列。
• De novo assembly（从头组装）
  不依赖参考基因组，将测序数据直接拼接成完整基因组序列。
• Phasing（分相）
  区分来自父母的两套染色体序列（haplotype）的过程。
• Structural variant（SV，结构变异）
  包括 insertion、deletion、duplication、inversion 等较大尺度的变异。
• Nested variant（嵌套变异）
  一个变异结构中包含其他变异，例如 insertion 内嵌 deletion，是 pangenome 构建中的主要复杂来源之一。

参考文献

• 西湖大学 中国人群泛基因组数据库：https://www.nature.com/articles/s41586-026-10315-y
• Human Pangenome Reference Consortium. A draft human pangenome reference. Nature, 2023.
• Liao et al. A pangenome graph for genome inference. Nature Methods, 2022.

若对播客有任何问题或者投稿，或需要获得文字版音频总结，请联系我 [email protected]

小红书/微博：@撸森森

同时也可以添加微信zhaosen830进入听友交流群，谢谢Thanks♪(･ω･)ﾉ

在小宇宙查看该单集文稿

本期节目围绕“LoF 不致病的理由”展开，从 ACMG的 PVS1 证据出发，梳理了看似致病的蛋白截断变异（PTVs）如何在多种遗传补偿机制下被“挽救”，包括是否发生NMD、转录本选择等，并重点介绍我们发表于 Genes & Diseases（https://www.sciencedirect.com/science/article/pii/S2352304226000656）的最新研究，提出一种此前未被纳入变异解释体系的机制——splice rescue：PTV 通过引入隐性剪接位点，触发 in-frame 的剪接删除，从而保留部分蛋白功能；结合 Genome Aggregation Database 和 ClinVar 的系统分析及 APC 的实验验证，我们进一步展示了该机制如何影响等位基因频率、降低选择压力并解释轻表型，同时提示在存在 splice rescue 证据时应谨慎下调 PVS1 证据强度，以避免过度诊断并提升变异解读的准确性。

术语列表LoF（Loss of Function）

指功能丧失型变异，即导致基因产物（通常是蛋白）部分或完全失去功能的变异类型。常见形式包括 nonsense、frameshift、canonical splice site 和 start-loss 等。LoF 是否致病取决于该基因是否以功能丧失为致病机制（如 haploinsufficiency）。

PVS1（Pathogenic Very Strong 1）

由 American College of Medical Genetics and Genomics 在 ACMG/AMP 指南中定义的证据等级，表示**“极强致病证据”**。适用于预测为 null variant（如 LoF）的变异，且该基因已知以 LoF 为致病机制。近年来逐渐强调需要根据具体情况对 PVS1 进行分级（如 Very Strong / Strong / Moderate），避免过度判定。

NMD（Nonsense-Mediated Decay）

一种细胞质量控制机制，用于识别并降解含有**提前终止密码子（PTC）**的 mRNA，从而防止产生截短蛋白。通常发生在 stop codon 位于最后一个外显子之前一定距离时；若逃逸 NMD，则可能产生具有部分功能的截短蛋白。

MANE Select（Matched Annotation from NCBI and EMBL-EBI – Select）

由 National Center for Biotechnology Information 和 EMBL-European Bioinformatics Institute 联合制定的标准代表性转录本。每个蛋白编码基因仅选一个 transcript，用于统一变异注释和临床报告，是当前推荐的“默认主转录本”。

若对播客有任何问题或者投稿，或需要获得文字版音频总结，请联系我 [email protected]

小红书/微博：@撸森森

同时也可以添加微信zhaosen830进入听友交流群，谢谢Thanks♪(･ω･)ﾉ

在小宇宙查看该单集文稿

本期节目，聊一聊人类 DNA 中的‘复读机’， 短串联重复（short tandem repeat, STR），即 1-6bp 的连续重复序列。我们分别探讨 STR 在进化中的发生及其生物学意义、STR 的基因型检测手段、STR 扩增与疾病的关系及机制、STR 扩增相关疾病的治疗进展。希望大家在临床遇到疑难的神经肌肉疾病时，警惕 STR 的可能性，并且有机会一起探索前沿的治疗方案～

相关链接

串联重复在人群中的分布：10.1038/s41586-025-09886-z

串联重复的毒性机制：10.1038/s41588-026-02507-z

靶向DMPK串联重复临床试验：www.nejm.org

HTT base editing 治疗：10.1038/s41588-025-02172-8

若对播客有任何问题或者投稿，或需要获得文字版音频总结，请联系我 [email protected]

小红书/微博：@撸森森

同时也可以添加微信zhaosen830进入听友交流群，谢谢Thanks♪(･ω･)ﾉ

在小宇宙查看该单集文稿

随着 AI 技术的飞速迭代，在前 AI 时代生活与工作的点滴记忆已经成为了时代的眼泪，特此在本期节目中记录这段有趣的历史。本期节目从本人2017 年刚刚入坑生信开始回忆，到 2022 年底 chatGPT 横空出世，到 AI 一步步迭代至今。我也对比了 chatGPT 初生和今天的语言水平，并讨论如今如何更好地驾驭 AI。

相关链接

我弟的 Vibe coding 教程：https://github.com/liyupi/ai-guide/tree/main

github copilot：https://docs.github.com/en/copilot/get-started

ChatGPT 邮件截图：

2022年 12 月

2026 年 1 月

若对播客有任何问题或者投稿，或需要获得文字版音频总结，请联系我 [email protected]

小红书/微博：@撸森森

同时也可以添加微信zhaosen830进入听友交流群，谢谢Thanks♪(･ω･)ﾉ

在小宇宙查看该单集文稿

群体遗传学研究可以说是我们人类遗传学皇冠上的明珠，‘测通每一个人类’也是人类遗传学界的美好愿景。然而，这个愿景也让我们今天的群体遗传研究的雪球越滚越大，资源越来越集中，普通研究者越来越难参与其中。本期节目，我们来盘点一下今天的群体遗传研究已经卷到什么程度了，下一步的趋势是什么，应该如何破局～

一、经典 GWAS：卷到统计极限之后，开始卷表型

背靠背发表的 Nature Genetics 工作提示，GWAS 不再满足于“病例 vs 对照”，而是通过深度学习从 MRI 中提取连续端表型，并结合超大样本、多性状分析与 TWAS，把信号推向疾病发生之前的生理层级。

www.nature.com

www.nature.com

二、PRS：从“准不准”转向“什么时候还能用”

针对 2 型糖尿病的多祖裔 PRS 研究明确指出，PRS 的预测能力高度依赖人群背景和临床情境，标志着 PRS 研究从算法竞争转向临床边界、公平性与解释性问题。

www.nature.com

三、群体遗传新趋势：T2T 级别重写人群基因组

藏族三代测序构建近乎 T2T 的人群泛基因组，系统揭示了结构变异、重复序列和古人类引入序列在高原适应中的核心作用，显示 SNP-GWAS 触及不到的遗传层级正在成为新前沿。

www.biorxiv.org

四、古人类基因组：GWAS 的时间尺度被拉长

石峁古城的大规模古 DNA 研究通过亲属关系和群体结构重建，从遗传层面揭示史前社会组织与性别分工，表明遗传学已开始系统性回答社会与历史问题。

www.nature.com

五、GWAS × 单细胞 × 空间组学：走向“空间因果”

gsMap 方法将 GWAS 信号直接映射到空间转录组，在组织空间中定位与复杂性状相关的细胞，推动遗传关联从“基因—细胞”走向“基因—细胞—空间—功能”。

www.nature.com

若对播客有任何问题或者投稿，或需要获得文字版音频总结，请联系我 [email protected]，小红书/微博：@撸森森

同时也可以添加微信zhaosen830进入听友交流群，谢谢Thanks♪(･ω･)ﾉ

在小宇宙查看该单集文稿