说到基因检测的准确率达到多少的这个事儿, 其实根本没像那些宣传单页上印着的”99%”所看起来的那样, 是属于特别洁净、没有任何杂质和水分的那种状态。
一、先把”准确率”拆开看
千万不要着急去询问这个结果是不是准确的, 而是要先想清楚它是在什么样的颗粒度层面上是准确的。
全外显子组测序也就是所谓的WES, 针对那些已经明确知道是致病的变异, 其被发现和检测出来的比例大约在百分之九十七到百分之九十九之间。
对于罕见的新变异, 还有结构变异以及拷贝数变异这类问题, 结果显示它们的检出率直接掉到了一个很难看的位置, 也就是大幅度下跌到了百分之六十这一界限的下面。
靶向面板的窗口范围如果设定得比较小, 那么能看到的指标就会变得更加确定, 同时那些看不见的东西也会表现出一种沉默的状态。
灵敏度与特异度, 这一对老对手之间存在着明显的矛盾冲突关系, 一旦把其中一头拉满到极高的水平, 那么另一头就必然会出现数值失血下降的情况, 现实中没有任何一份检测报告或者模型能够同时保证两者双双站在九十九%这么高的标准线上。
二、三个变量，在暗中拉扯这个数字
样本端:DNA的降解率超过百分之十五, 覆盖度直接出现严重下降的情况, 碱基叫齐率从三乘以跌落到了一倍乘以, 这样解读出来的置信度就跟着打了折扣。
数据库端: gnomAD 与 ClinVar 都是以季度作为基本的时间单位来开展数据的更新工作, 并且这种做法是持续进行的。针对相同的一组数据信息, 在当前年度里面会被标注为“意义未明”, 而在接下来的年份之中, 则会被更改为“致病”。
算法端: 我们对 pipeline 进行了一次版本迭代, 这一步操作使得 VCF 里面的变异位点调用能够出现十几个的变化现象, 版本的设定并不能处于一种被彻底锁死的状态, 如果情况如此的话, 报告的准确性就会像浮在流沙上边一样, 处于不稳定的状态。
三、拿到报告，追问三道
1. 到底覆盖了总数多少个基因, 这个数量的具体值, 究竟是 50 个基因, 还是到达了 500 个基因的规模?
2. 这个检测的深度到底是多少呀? 咱们来比较一下, 一个是三十倍的余量, 另一个是一百倍的那个余量, 这俩之间的差数, 可绝对不是一点点的那种情况, 区别还是非常非常大的。
3. 想搞清楚你解读引用的是具体哪一个版本的数据库? 另外呢还要确认一下, 这玩意儿有没有经过人工复核标注呀?
把三道问完, 心里的底就已经有了。
四、说句不中听的
基因检测不是判决书，是概率地图。
一个SNP位点的OR值是1.3, 这话翻译成大白话就是说, 你相比于普通大众来说, 风险高出了三成——听起来挺吓人的, 真要是落到你自己头上去, 远没有体检报告上出现一个偏高来得实在。
恐惧其实是一种本能反应, 而读取报告所依赖的东西并不是心跳, 而是进行分层。首先看的是范围, 接下来看的是深度, 最后看的是解读逻辑这一项内容。把这三个步骤全部走完之后, “准确率多少”这样的情况才真正变得具有了落地性。
就是说, 针对你手里所拿着的那一份报告, 它是否能够接受接下来所要进行的三个步骤的追问呢?