编辑推荐：
这篇综述聚焦小鼠模型在罕见先天性异常诊断中的应用，探讨其优势与局限。
先天性异常：全球重大挑战
先天性异常指出生时存在的结构或功能异常，约 2 - 4% 的婴儿会出现一种或多种严重的解剖畸形，且相当一部分在出生 28 天内死亡。随着测序技术的进步，潜在致病基因改变的识别速度加快，但确定基因变化与临床表现之间的机制联系仍是一大难题。比如，要明确患者 DNA 中哪些遗传或自发变化导致正常产前发育中断很有挑战，包括此前未与疾病关联的基因变异、已知疾病基因的新临床特征变异，以及意义不明的变异（VUS），尤其是非编码区域的变异，其致病性难以预测或建模。
同时，理解这些潜在致病变异对正常发育的影响也困难重重。许多与先天性异常相关的基因在不同组织和发育阶段反复发挥作用，在人体中研究难度大，“疾病在培养皿” 的人类干细胞或类器官模型也难以模拟。因此，需要精确构建的动物模型来复制形态发生过程中被破坏的复杂相互作用，而且疾病建模有助于理解基因型 - 表型的变异性。
罕见先天性疾病的诊断困境
很多先天性异常属于罕见病，诊断过程复杂。无偏基因测序方法，如外显子组和基因组测序，虽能快速筛查临床相关变异，但 “诊断征程” 对许多患者和家庭来说依旧艰难。美国医学遗传学与基因组学学会（ACMG）和分子病理学协会（AMP）制定了基因变异分类标准，不过，由于证据不足，很多变异无法被确定为致病性或可能致病性，进而影响诊断准确性。
不同疾病的诊断率差异很大，像脊柱裂、唇腭裂等病因复杂的疾病，诊断率在 1 - 10% 左右；而颅缝早闭、先天性心脏病等疾病的诊断率则在 30 - 40%。在产前诊断中，针对胎儿结构异常的靶向或外显子组测序诊断率为 8.5 - 10%，且会随检测到的异常数量和严重程度增加而提高。但由于大多数变异被归类为 VUS 且缺乏功能证据，诊断准确性难以保证，仅靠增加测序也无法解决这一问题，此外，缺乏合适的临床前模型也给疾病机制研究和治疗评估带来挑战。
确定先天性异常潜在病因的关键挑战
解读基因变异的临床意义需要临床医生、遗传学家、生物信息学家等多学科合作，确保表型数据、变异分类和临床判断有效整合。然而，许多候选基因缺乏全面注释，难以预测其作用。像基于美国国立卫生研究院（NIH）的 ClinGen 和 ClinVar 项目，以及 DECIPHER 数据库，都致力于建立变异解释标准、解决数据冲突并促进合作，但基因变异解读仍面临诸多难题。
疾病归因面临的挑战包括基因多效性（一个基因变异可导致多种表型）、不完全外显、遗传异质性（多种基因变异可导致同一特征或表型）以及基因家族的功能冗余。此外，基因表达和功能还受表观遗传修饰和环境因素影响，非编码变异也可能影响基因表达，但基于外显子组的方法通常会遗漏这类变异。而且，很多看似常见的疾病实际上并不均质，从遗传角度看，可能是由不同的罕见单基因变异引起，每个患者都需要个性化治疗和遗传咨询。
除了遗传学因素，对先天性异常患者进行准确一致的表型分析也是一大挑战。深入的表型分析对理解基因型与表型关系至关重要，但临床表型分析可能不完整，轻度表型可能与 “正常” 变异重叠，异常的严重程度和组织受累组合不同也会导致疾病分类不一致。此外，不同物种间的表型往往不一致，这使得从动物模型获取的证据评估变得复杂，最终导致基因型 - 表型关联不明确，尤其是涉及多器官功能的先天性异常，难以在组织培养中复制。
小鼠模型在罕见病研究中的重要性
通过小鼠基因敲除（KO）研究，人们对人类发育和疾病中特定基因的需求有了更深入的理解。国际小鼠表型分析联盟（IMPC）和 Monarch Initiative 等项目对小鼠 KO 数据进行编目，并将其与人类疾病表型整合，发挥了重要作用。小鼠模型还可用于无偏研究基因变异的功能后果，正向遗传 ENU 小鼠诱变筛选就是很好的例证，它能将特定点突变与多种系统表型的功能基因组学联系起来，为理解哺乳动物发育和疾病的功能基因组学，尤其是隐性疾病，提供了有价值的等位基因系列。
在人类患者中研究罕见先天性异常和疾病遗传学，为理解基因在复杂发育过程中的功能提供了契机。利用基因组编辑技术在小鼠中重现患者的精确变异，研究人员可以观察由此产生的表型，并与人类疾病表现进行比较，从而验证与特定罕见疾病相关的变异。这对于解释同一基因的不同错义变异如何导致显性疾病患者出现显著不同的特征尤为有用。携带患者变异且能准确复制疾病表型的小鼠，对于临床前治疗建模至关重要，有助于深入了解疾病进展，并为设计治疗干预措施提供机会。此外，整合大型测序工作的遗传数据、患者表型以及相关资源（如 IMPC 和 Monarch Initiative 数据集），有助于更好地理解人类疾病的发育模型，加速治疗靶点的发现。
模型系统的选择
在功能基因组学时代，从变异识别到探究其对生物过程的影响，模型系统的选择取决于研究问题。基因特异性深度突变扫描（DMS）可利用基因组编辑对内源性关键临床相关基因（如肿瘤抑制基因 BRCA1、BRCA2 或 p53）的所有可能变异进行评估；多重变异效应分析（MAVEs）则能在单个过表达实验中量化数千个基因组变异对感兴趣基因或人类疾病蛋白结构域的分子表型或功能影响。这些方法虽有助于准确分类临床变异，但无法揭示不同细胞类型或发育阶段为何易受特定变异影响，而这对于理解先天性异常至关重要。
小鼠是研究人类先天性异常变异后果的常用且经济的模型，但存在局限性。近交系小鼠的遗传多样性有限，不能准确代表人类种群的遗传多样性，不过分析不同遗传背景下的相同突变有助于深入了解人类疾病表现。基因多样化的小鼠种群（如协作杂交小鼠）能更好地模拟人类种群的异质性，研究结果更具临床转化价值。
人类和小鼠的基因组存在差异，编码区平均有 85% 的保守性，非编码区相似度则小于 50%，这可能给在小鼠中精确模拟患者变异带来挑战。对于某些基因，可通过 “人源化” 小鼠来解决部分问题，但要理解其他基因变异如何导致人类疾病表型，可能还需要进行人类胚胎表达研究或使用替代的人类类器官 / 组装体模型。
人工智能和机器学习在挖掘多尺度数据集方面发展迅速，可用于改善基因型 - 表型关系的整理。跨物种表型分析，如 Monarch Initiative 正在开发的基于自动本体的方法，有望加速罕见病诊断。通过将患者症状与其他物种的类似特征和遗传模块匹配，可识别 “表型类似物”，提高疾病基因优先级排序。同时，携带临床变异的小鼠深度表型数据可能揭示患者受影响的其他系统，未来计算预测的改进将有助于更好地整合多尺度生物数据，推动功能基因组学发展。
超越诊断：治疗罕见和常见先天性疾病的挑战
即便确诊，先天性疾病的罕见性和复杂性仍会阻碍治疗发展。罕见病患者群体有限、常见先天性异常存在遗传变异性，以及对疾病机制了解不足，都给治疗进展带来困难。此外，制药公司因经济利益因素，对小患者群体治疗方法的投资不足，也加剧了这些挑战。
临床前治疗平台高度依赖相关疾病模型，基因易处理的小鼠模型在其中发挥关键作用。因此，迫切需要开发更准确、疾病特异性的模型，为测试治疗策略提供坚实基础。在基因组医学时代，精确模拟患者变异的小鼠在开发针对遗传缺陷的核酸疗法（NATs）、基因疗法（LNP - mRNA 或病毒载体）或基因组编辑疗法的临床前研究中非常有用。此外，针对下游通路的靶向治疗策略，如在人源化小鼠模型中使用 DKK 抑制剂治疗 Robinow 综合征，也显示出一定的治疗潜力，但这些策略需要精确靶向、全面的安全性评估和可靠的递送机制，疾病特异性模型在其中起着重要的临床前测试和优化作用。随着治疗方案的不断进步，确保患者公平获得这些前沿治疗仍是重中之重。
总之，尽管基因组学的进步提高了罕见先天性疾病的诊断速度，但在理解正常发育过程中基因组的作用机制方面仍有很多工作要做。这不仅对于理解疾病机制至关重要，也是通过创新合作方法（如 MRC NMGN 先天性异常集群提出的方法）治疗这些疾病的关键。此外，还需要在全球范围内努力，研究不同人群中罕见先天性疾病的遗传学，缩小母婴医疗保健服务的差距。提高基因发现和功能基因组学的效率，开发准确的疾病模型并利用新兴技术，是满足这一弱势群体未满足需求的关键步骤。
