#paper 【doi】10.1038/s41588-025-02212-3；【发表年份】2025年；【期刊】Nature Genetics；【标题】Using large-scale population-based data to improve disease risk assessment of clinical variants。【内容总结】这篇论文想解决医学中基因变异风险评估不准的问题，特别是传统方法把变异简单分成"致病"或"无害"的缺陷。作者发现当前ClinVar数据库里的分类存在误差——有些标为"致病"的变异在普通人群里其实风险很低。他们主要做了两件事：一是提出新的贝叶斯统计框架，把基因功能数据和真实人群健康记录结合起来计算变异致病概率和实际发病率（称为外显率）；二是建议改进ClinVar数据库，要求增加年龄分层、多族裔数据和高优先级表型信息，还提议建立专门的外显率数据库。结果显示，整合人群数据后，像BRCA2基因的某个变异从"致病"降级为"无害"，避免了不必要的医疗干预。简单说，就是用海量普通人健康数据给基因变异风险"纠偏"，让基因诊断更靠谱。