UKBBGym：以超罕见变异携带者表型为基准评估变异效应预测评分

变异效应预测工具在过去十余年持续迭代：CADD 率先将多种注释整合为单一评分，可对全基因组单核苷酸变异和短插入缺失统一打分 ^[2]，其后又纳入深度学习来源的剪接评分 ^[3] 以及蛋白语言模型、调控 CNN 等新特征 ^[5]，MutationTaster、GPN-MSA 等工具亦不断更新 ^[4][6]。但如何评估这些工具，长期依赖三类参照：ClinVar 等临床数据库、gnomAD 等群体频率数据，以及深度突变扫描、饱和突变报告基因等实验体系 ^[5][6]。评估结果也不总令人安心——对内在无序区域的系统检验显示，33 个预测器在该区域的敏感性普遍下降、彼此判断分歧明显 ^[7]；同义变异的效应预测更受制于实验验证数据的稀缺 ^[1]。

新预印本提出的 UKBBGym 换了一把尺子。这个出自 Gagneur 实验室（该实验室长期研究基因调控的遗传基础及其疾病意义）^[8]的基准，不以临床标签或体外实验为答案，而是用 UK Biobank 中超罕见变异携带者实测的血浆蛋白丰度和数量性状，为编码区与非编码区评分排队。这一设计规避了临床标签的确证偏倚、实验检测与生理状态的错配，以及常见变异关联的混杂。结果显示，它能复现各工具在致病性预测上的相对位次，并支持跨变异类别与分子机制的比较：面向编码和剪接变异设计的评分，与蛋白丰度及数量性状的相关强于建模转录调控的评分；预测错义效应时，实验检测也并未稳定胜过计算评分。

更值得注意的是评估本身给出的诊断：对比评分已捕获的方差与表型中可检测的方差，改进空间仍然可观，插入缺失与功能缺失变异尤为突出。相比既往以临床数据库和实验测定为准的评估流程 ^[5][6]，这一基准把“变异在携带者体内是否造成可测量后果”直接作为检验对象。对编码变异，UKBBGym 可由公开汇总统计完全复现，方法与数据已在 Zenodo、HuggingFace 和 GitHub 开放，构成与临床标签、实验检测互补的群体表型基准。据报道，该工作此前已在美国人类遗传学学会（ASHG）年会上展示^[9]。

局限与未解之处同样清楚：插入缺失与功能缺失变异的方差差距如何弥合，论文并未给出方案；“可由公开汇总统计复现”目前仅覆盖编码变异，非编码评估的普及路径有待观察；而转录调控类评分表现偏弱，究竟源于评分本身，还是血浆蛋白与数量性状这类读出对调控机制的适配不足，仍需后续工作分辨。