机器学习破解产前基因检测不确定变异判读难题
一、产前基因检测的“不确定意义变异”困境
随着高通量测序技术的普及，越来越多的家庭在孕期即可接受产前遗传检测，提前了解胎儿是否存在染色体异常或单基因病风险。然而，检测能力的提升也带来了新的临床难题：约三分之一的检测结果会发现一些“不确定意义变异”（Variants of Uncertain Significance，简称VUS）。这些变异在现有医学证据下难以简单归类为致病或良性，给准父母和临床医生带来了明显的不确定性。SickKids医院临床遗传学家Rosanna Weksberg指出，医生可能发现新的遗传变化，但约三分之一情况下无法判断它究竟异常，还是属于正常发育范围内的变异。
VUS的存在不仅影响临床决策，还可能导致不必要的引产、过度产检或长期焦虑。传统的变异判读主要依赖人群频率数据库、软件预测、家系共分离分析以及已发表的文献证据，但对于罕见变异或组织特异性表达的基因，这些方法往往力不从心。因此，开发更精准、更通用的VUS判读工具，成为产前遗传学领域的重要研究方向。
二、SickKids团队新方案：表观遗传签名与机器学习
2026年8月11日，医学快讯援引SickKids医院消息报道，Weksberg实验室与Sanaa Choufani共同领导的研究团队在《The American Journal of Human Genetics》发表了一项新方法。该团队长期研究表观遗传学，即影响基因开启和关闭的化学标签。2020年，他们推出了EpigenCentral平台，利用血液来源的表观遗传签名数据，帮助医生判断某个变异更可能致病还是良性。截至目前，Weksberg实验室已帮助建立60多种表观遗传签名，其中多数已在临床诊断中获得验证。
新研究的核心创新在于“episignatures”（表观遗传签名）。简单来说，某些遗传疾病会在基因组特定区域留下可识别的DNA甲基化模式，这些模式就像疾病的“化学指纹”。通过检测患者样本中的甲基化模式，并与已知疾病的签名进行比对，可以辅助判断某个VUS是否属于致病性变异。然而，此前的表观遗传签名具有组织特异性：血液中识别出的签名不能直接用于羊水、胎盘等其他组织，这大大限制了其在产前检测中的应用。
三、研究数据：266名唐氏综合征样本与850名公开数据验证
为了解决组织特异性的问题，研究团队开发了一种机器学习方法，将血液来源的表观遗传签名转化为“组织无关”模式，使其在多种组织类型中保持可识别性。为验证这一概念，研究人员使用了266名唐氏综合征患者的样本生成血液来源的表观遗传签名，并利用850名有无唐氏综合征个体的公开DNA甲基化数据训练模型，覆盖6种产前和产后组织类型。
实验结果显示，该机器学习模型在所有测试组织中均准确识别出唐氏综合征的表观遗传模式。这表明，血液来源的表观遗传签名可以被成功转换为跨组织识别疾病特异性签名的工具。研究人员认为，这一方法未来有望支持使用羊水、胎盘、唾液或口腔拭子等更广泛的样本进行诊断辅助，而不仅限于血液样本。不过，该研究目前仍处于方法验证阶段，尚不等同于常规产前诊断标准，实际临床应用还需进一步验证。
四、跨组织识别：从血液到羊水、胎盘的应用潜力
产前检测的特殊性在于，胎儿样本通常来自羊水穿刺或绒毛膜取样，而非母体血液。如果表观遗传签名只能在血液中识别，那么其在产前场景中的价值将大打折扣。SickKids团队通过机器学习实现的跨组织识别，正是突破这一瓶颈的关键。未来，医生或许可以在羊水或胎盘组织中检测胎儿DNA的甲基化模式，结合基因测序结果，更准确地判断某个VUS的致病性。
这一技术的潜在应用场景包括：NIPT（无创产前检测）发现罕见染色体微缺失后的进一步诊断、羊水细胞全基因组测序发现VUS后的功能验证、以及单基因病携带者筛查后的产前确诊等。对于准父母而言，这意味着更少的“无法判断”结果，更明确的临床建议，以及更低的决策焦虑。
五、对NIPT和产前诊断的临床意义
NIPT技术自问世以来，已经从最初的三大染色体非整倍体筛查扩展到微缺失微重复综合征检测乃至全基因组筛查。然而，检测范围的扩大也带来了阳性预测值下降和VUS增多的问题。2026年8月越南医学遗传学与基因组学全国会议上，MEDLATEC团队报告了通过磁珠富集胎儿游离DNA提高NIPT成功率的研究；而SickKids的这项研究则从变异解读层面为NIPT提供了补充工具。两者结合，有望从“检测更多”走向“解读更准”。
对于临床医生而言，表观遗传签名机器学习模型可以作为一种辅助判读工具，与ACMG变异致病性分类指南、家系分析、功能实验等证据共同使用，提高VUS分类的准确性。对于遗传咨询而言，明确的分类结果有助于提供更精准的预后评估和生育建议，减少因信息不确定导致的过度干预。
六、技术发展对亲子鉴定行业的启示
虽然SickKids的研究主要面向产前诊断，但其底层逻辑——通过多组学数据和人工智能提升遗传检测结果的可解释性——对亲子鉴定行业同样具有启发意义。当前，司法亲子鉴定主要依赖STR基因座分型，技术成熟、标准明确；而隐私亲子鉴定、无创胎儿亲子鉴定等领域则在不断探索更高通量、更高精度的检测方案。未来，随着表观遗传、单细胞测序、AI预测等技术的融合，遗传检测的准确性和应用场景将进一步拓展。
从技术伦理角度看，任何新型检测技术在临床应用前都必须经过严格的验证与监管。表观遗传签名机器学习模型虽然展现出跨组织识别的潜力，但目前仍处于方法验证阶段，尚未成为常规产前诊断标准。在引入临床前，需要解决样本量扩展、不同族裔人群适用性、检测成本、报告标准化以及遗传咨询配套等一系列问题。此外，基因数据的敏感性要求检测机构必须建立严格的数据安全与隐私保护机制，防止遗传信息泄露或被滥用。
对于普通用户而言，无论技术如何进步，选择正规机构、明确检测用途、理解报告结论始终是首要原则。尤其是在面对VUS等复杂结果时，应寻求专业遗传咨询师或临床医生的解读，避免自行判断导致不必要的焦虑或错误决策。威海尼比鲁基因科技有限公司关注基因检测领域的最新进展，旗下5188dna.cn为用户提供亲子鉴定、产前检测、报告解读等专业咨询服务。如需了解司法亲子鉴定、无创产前检测或遗传咨询相关问题，欢迎拨打13245861323，或访问https://www.5188dna.cn/about/。