做遗传病研究的人，十有八九都绕不开HGMD这个数据库。它全称是人类基因突变数据库，收录的致病突变信息在全球范围内都算得上权威。但很多新手第一次打开这个网站，往往一脸懵——界面全英文不说，注册流程还绕，更要命的是，不买个商业授权，你连突变频率都看不了。我见过不少研究生，在HGMD上卡了半个月，论文里引用的还是过时的数据。今天这篇东西，我就把自己这些年折腾HGMD的经验全抖出来，从注册到检索，从免费版到付费版，从查单个基因到批量分析，一条龙讲清楚。
先解决最基础的问题：怎么进去。HGMD的官网是www.hgmd.cf.ac.uk，这个域名你最好记在备忘录里，因为百度搜出来的前几个结果，要么是镜像站，要么是广告页，甚至还有假冒的钓鱼站。打开官网后，你会看到两个入口，一个是公共版，一个是专业版。公共版免费，但需要先注册，填个邮箱，等他们审核，通常一两天就通过了。专业版得掏钱，个人订阅一年大概要几千块，机构订阅更贵，但如果你是高校或者医院的，先问问你们图书馆有没有买，很多单位其实已经订阅了，只是没宣传，白嫖的机会别错过。
注册完之后，登录进去就是检索界面，看起来像个简单的搜索框。但这里有个坑：HGMD的基因名检索有讲究，官方推荐用HGNC官方符号，比如你要查BRCA1，直接输入BRCA1就行，但你要是输入全称“breast cancer 1”，那大概率查不到。还有个细节，HGMD区分大小写，但大小写不影响结果，真正影响的是你选的“基因名”还是“疾病名”选项卡。如果你想查某个疾病相关的所有突变，比如“囊性纤维化”，那就切到疾病名选项卡，输入“cystic fibrosis”，它会把你带到该疾病的基因列表页面，里面是已知的所有相关基因。这个功能做文献综述时特别好用，比你在PubMed上一条条筛有效率多了。
接下来是重头戏：怎么看搜索结果。假设你查了TP53这个基因，结果页会显示一个总览，包括突变总数、突变类型分布、致病性分类统计等等。往下拉，就是突变列表，每条记录都包含HGMD编号、核苷酸变化、氨基酸变化、突变类型（错义、无义、剪接位点等）、表型、参考文献。这里要注意，HGMD的突变编号格式是“CM”开头加数字，比如CM123456，这是它的唯一标识，写论文引用时要用这个。但光看列表还不够，你得点进每条突变的详情页，那里才有真正的宝藏。详情页里除了基本信息，还有这个突变在人群中的频率（如果你的机构订阅了专业版的话），以及这个突变是否被其他数据库收录，比如ClinVar、dbSNP，还有它们的对应编号。HGMD还有个独门绝技，就是展示突变所在的蛋白质结构域，比如某个错义突变正好落在激酶结构域上，页面会直接给你画出来，这对判断致病性很有帮助。
说到致病性判断，HGMD的核心分类是DM（致病变异）和DM?（可能致病变异），此外还有DP（疾病相关多态性）和FP（功能多态性）。很多人容易忽略的是，DM这个标签并不代表“板上钉钉”，它只是说明这个突变在文献中被报道过与疾病相关，但报道质量参差不齐。所以你在用HGMD数据写论文时，最好再交叉验证一下，看看ClinVar上的评级，或者用PolyPhen-2、SIFT这些工具跑一下预测。我见过有人直接拿HGMD的DM标签当金标准，结果被审稿人怼得下不来台。HGMD是个好工具，但它不是判决书，它给你的是线索，不是结论。
再讲一个实用技巧：批量检索。如果你手头有几十个基因要查，一个个手动输入能把人累死。HGMD专业版支持批量上传，你准备一个文本文件，每行一个基因名，然后在上传区域选择文件，它就会返回一个压缩包，里面有每个基因的突变列表，格式是CSV或者Excel。但免费版没这个功能，怎么办？有个变通办法，用HGMD的“基因列表”功能，它允许你创建一个自定义基因列表，然后逐条查看，虽然不如批量下载爽，但至少不用重复输入查询。还有个更野的路子，你可以在HGMD上搜索特定突变类型，比如只查剪接位点突变，然后按基因排序，再导出到本地表格里自己整理。这个方法适合做特定类型突变的研究。
进阶玩法：HGMD的API接口。如果你会一点编程，Python或者R都行，HGMD提供了RESTful API，可以让你用代码直接拉取数据。比如你想比较自己样本里的变异跟HGMD的收录情况，写个脚本几秒钟就能完成。具体操作是，在HGMD官网申请API密钥，然后按照文档构造请求，返回的是JSON格式数据。网上有一些现成的R包和Python库封装了HGMD API，比如R语言的“hgmd”包，直接调用就行。但要注意，API访问是有次数限制的，免费版一天大概几百次请求，专业版会宽松很多。如果你打算做大规模分析，建议还是跟单位申请专业版授权，不然API断供了你也只能干瞪眼。
说点掏心窝子的建议。HGMD虽然强大，但它的数据更新有滞后性，新发现的突变往往要等半年甚至更久才被收录。所以你在做研究时，别只依赖HGMD，一定要结合ClinVar、gnomAD、LOVD这些数据库交叉验证。特别是gnomAD，它提供的是正常人群的频率数据，如果某个突变在gnomAD里频率高于1%，那它大概率不是致病突变，即使HGMD把它标成了DM。还有，HGMD的免费版和付费版差异很大，免费版看不到频率数据，也看不到大多数突变的详细信息，如果你只是查个一两个基因，免费版够用，但要是做课题，建议还是想办法搞到专业版账号。很多高校医学遗传学系的公共电脑上会挂着专业版账号，你可以去蹭，但别干那种把自己数据下载下来的事，毕竟账号是单位的资产，被发现了不好看。
写到这里，差不多该收尾了。HGMD这个数据库，说难用也确实难用，界面老气、权限繁琐、数据格式也不友好，但说好用也是真好用，毕竟人家二十多年的积累，数据库的广度和深度摆在那里。你只要把注册、检索、解读、批量、API这几步摸透了，日常研究基本够用。提醒一句，任何数据库都只是工具，真正值钱的是你脑子里的生物学知识和对数据的判断力。HGMD给你指了条路，但走不走得通，还得看你自己。
