一、案例分享-如何运用SplicAI预测变异位点是否影响剪接

 案例：探针：NanoWES_hg38；基因：QARS1；突变位置：chr3:49099957-49099959；HGVS: NM_005051.3:intron14:c.1295+2_1295+4del:

经OMIM数据库查询，该基因QARS1与小头畸形、进行性、癫痫发作以及脑和小脑萎缩疾病相关；而NM_005051.3:intron14:c.1295+2_1295+4del这个变异影响到了经典剪接位点，所以，需要对该变异是否影响剪接进行再次判断；

SpliceAI分析预测具体操作步骤如下：

1.打开网址

SpliceAI Lookup

2.输入变异：NM_005051.3:c.1295+2_1295+4del

2.1.结果中的1处，Δ  score =1分，代表影响剪接，position 为5 bp，代表从变异开始的位置数，往右数5 bp处会发生剪接；但是从bam图直接看，并不是在5 bp的位置发生剪接，这里和hgvs的对齐有关系；从转录本的信息3:49099956 CCCA>C可以看出来，这里具体发生的突变是CCCA>C；因此，这里的5bp是从下图红框中的chr3:49,099,955开始数的，chr3:49,099,960位置就是5 bp的位置，从SpliceAI示意图也能看出来；

bam图

SpliceAI示意图

2.2. 结果中的2处，Δ  score =0.66分（一般认为Δ  score大于0.5或者0.2分，认为这个剪接是有效的，不同机构要求可能不一样）；position 为38 bp，就在chr3:49,099,993的C处，意思就是这里的AC是可变剪接位点；如果从这个位置发生剪接的话，就需要去核查chr3:49,099,961-chr3:49,099,993这个区域是否编码蛋白，经GenomeBrowse核查，该区域是编码蛋白的，因此，发生剪接以后，chr3:49,099,961-chr3:49,099,993区域就被剪切掉了，总共是33bp，不打断阅读框，因此，这个地方的证据就需要降级使用，未打断阅读框，影响蛋白小于10%~~

GenomeBrowse核查结果

二、SpliceAI在临床数据解读中的应用

SpliceAI 是一种基于深度学习的人工智能工具，专门用于预测前体 mRNA 剪接位点的变异如何影响RNA剪接过程。在临床数据解读中，SpliceAI 的应用主要集中在以下几个方面：

1. 剪接变异的致病性预测

• 功能评估：SpliceAI 可以预测基因变异（如单核苷酸变异 SNVs、插入缺失 indels）是否会影响剪接位点或分支点的识别，从而改变 mRNA 的剪接模式，有助于判断变异的致病性。

• 优先级排序：在临床外显子组或基因组测序中，SpliceAI 可帮助从大量变异中筛选出可能影响剪接的候选致病变异，辅助遗传诊断。

2. 解读意义未明的变异（VUS）

• 许多临床检测中发现的变异被归类为“意义未明”（VUS）。SpliceAI 可以通过预测这些变异对剪接的影响（如激活隐秘剪接位点或破坏正常剪接位点），为 VUS 的重新分类提供证据。

3. 非编码变异的分析

• 传统上，非编码区域的变异（如内含子或深内含子区域）难以解读。SpliceAI 能够预测这些区域中可能影响剪接的变异（如深内含子变异导致新的外显子插入），扩展了临床变异的检测范围。

4. 辅助遗传病诊断

• 对于疑似遗传病患者，SpliceAI 可与其他工具（如 CADD、REVEL）结合，提高剪接相关致病变异的检出率。

5. 研究新发剪接位点

• 某些疾病可能由新发剪接事件（如外显子跳跃、内含子保留）驱动。SpliceAI 可模拟变异后的剪接模式，帮助发现新的致病机制。

6. 局限性及注意事项

• 假阳性/假阴性：SpliceAI 的预测仅仅是计算层面的预测，需要实验验证（如RNA测序或 minigene）。

• 组织特异性：剪接调控具有组织特异性，但 SpliceAI 的训练数据可能未覆盖所有组织。

• 结合其他证据：需遵循 ACMG/AMP 指南，综合多种证据（如种群频率、保守性、表型匹配）进行变异解读。

总之，SpliceAI 通过量化变异对剪接的影响（以 Δ  score 表示），为临床遗传诊断提供了重要的功能预测证据，尤其对非编码变异的解读具有独特价值，最终结果需谨慎结合其他生化和临床数据。