ClinVar数据库统计单基因遗传病致病位点人群频率

评估一个基因位点是否为患者的致病基因，游侠认为需要从三个方面来考虑，第一是临床评估，即该基因在数据库（如OMIM）中记录的表型是否与患者的表型想符合，第二是生物信息学评估，包括正常人群频率、突变类型、软件预测、序列保守性等等，第三是遗传模式评估，即如果是隐性遗传是否为父母（父母正常）分别携带一个位点，如果是显性遗传是否为新发突变（父母正常）。

对于人群频率来说，根据ACMG致病性指南：allele frequency greater than expected for disorder是一个强良性证据，很多时候因为不知道疾病的患病率很难去设定cutoff，将来也许可以通过完善的数据库对不同的基因设置不同的cutoff，目前还难以实现，对于全外显子或全基因组测序设置一个统一的cutoff比较实用，之前游侠曾写过一篇文章《单基因遗传病的致病位点人群频率筛选阈值多少为好》，在这篇文章里建议cutoff设为万分之一，但是在后来的实际工作中发现这个cutoff过于严谨，容易把真阳性位点排除，纸上得来终觉浅，趁五一有时间还是老老实实来统计一下ClinVar数据库中已报道的致病位点在人群中的频率分布吧！

首先我们从ClinVar官网下载最新的VCF，下载地址为ftp://ftp.ncbi.nlm.nih.gov/pub/clinvar/vcf_GRCh37/

然后我们用AWK提取含有CLNSIG=pathogenic的位点，需要提醒的是有可能同时提取包含pathogenic与VUS共存的位点，共计55310个位点，然后我们用gnomad_exome_eas和gnomad_genome_all进行注释并截取cutoff，两者为交集（and），如0.0001为同时满足gnomad_exome_eas和gnomad_genome_all小于等于0.0001的位点，统计结果如下

然后单独看了大于0.01的位点，这些位点中有些为风险位点，有些只有一个提交者且没有提供证据，游戏认为部分为假阳性位点。

另外游侠还想看一下显性基因的人群频率是否会更低一下，使用AWK选取含有autosomal dominant（该数据库由游侠自己根据OMIM制作）的位点共计25143个，需要提醒的是有可能提取包含同时常显与常隐的基因，然后我们用gnomad_exome_eas和gnomad_genome_all进行注释并截取cutoff，两者为交集（and）。结果如下

游侠个人推荐对于隐性遗传基因cutoff设为0.005或0.01，对于显性遗传基因cutoff设为0.001或0.005，以上只是初步粗略统计，推荐cutoff仅供参考，谢谢！