信息速览

数据集名称IMPC 国际小鼠表型联盟 — AI-Ready Wikipedia

数据类型9,605 敲除基因,1.38 亿数据点,111,664 显著表型,CC-BY 4.0,IMPReSS 标准

规模不适用（模式生物数据；无人类患者数据）

接入方式https://www.mousephenotype.org

AI 就绪度

IMPC — 国际小鼠表型联盟 AI-Ready Wikipedia

INFOBOX

项目	内容
全名	International Mouse Phenotyping Consortium（国际小鼠表型联盟）
成立	2011 年（21 机构 / 15 国 / 4 国家资助者；前身 IKMC）
目标	小鼠全部蛋白编码基因的敲除+系统表型——哺乳动物基因功能目录
遗传背景	纯 C57BL/6N 近交系
当前版本	Data Release 24（2026-03-16）：1.38 亿数据点
规模（DR24）	9,605 基因 / 10,341 品系 / 111,664 显著表型调用
表型标准	IMPReSS 协议（16 类别）+ OpenStats 统计管线
疾病转化	>1,400 人类疾病候选模型；>100 验证罕见病基因关联
标识与本位	MGI/HGNC 持久 ID + MP/HPO 本体（FAIR）
许可	CC-BY 4.0（门户/API/FTP/KG）；品系经 EMMA/KOMP（MTA）
官方入口	https://www.mousephenotype.org
本库条目	order 481 · record_id 581 · 类别：基因组学与多组学 × 公共卫生与流行病学

§0 E-E-A-T 信任声明与免责声明

经验：本条目基于 IMPC 官网（DR24 公告/allele design 页/数据集合页）、NAR 2026 门户论文（Wilson 等，gkaf1148）、INFRAFRONTIER/EMMA 品系页与 Mammalian Genome 2013 等位基因表征论文；数字全部标注发布版本。
专业性：敲除策略（tm1a-e/VelociGene/CRISPR）的解读依据 Skarnes 2011 Nature 与 IMPC 官方文档；统计管线描述依据 OpenStats/IMPReSS 官方口径。
权威性：IMPC 由 15 国资助机构共同治理；本条目为第三方百科解读，不替代官方文档与 IMPReSS 协议原文。
可信度：文内数字进入文末「口径存照」；DR23 与 DR24 口径差异（分析管线改进）已显式标注。
免责：小鼠表型不直接等于人类疾病结论——人转译需 HPO/MP 映射与临床验证；使用 IMPC 数据发表需按官方引用规范。
时效：口径锁定 2026-09-19/20（DR24 发布后）；下一次发布以官网为准。

§1 数据集概览

§1.0 📌 30 秒速览

是什么：全球联盟把小鼠每个蛋白编码基因挨个敲掉、按同一套标准体检——产出哺乳动物基因功能的统一目录。
多大：DR24（2026-03）9,605 基因、10,341 品系、1.38 亿数据点、111,664 个显著表型。
为什么重要：>1,400 个人类疾病候选模型、>100 个验证的罕见病基因关联——罕见病诊断的最后一块拼图常常在这里。
怎么用：CC-BY 4.0 全开放——网页查单基因、API/FTP 拉全量、知识图谱做推理。
一句话：如果你的基因没人研究过，IMPC 大概率是第一个告诉你「敲掉它会怎样」的地方。

§1.1 摘要

IMPC（International Mouse Phenotyping Consortium）是 2011 年成立的全球合作计划，目前包含 21 个研究机构、15 个国家与 4 个国家资助者。它的使命极其明确：在小鼠（Mus musculus）上，把每一个蛋白编码基因做敲除，然后按标准化协议系统表型——在纯 C57BL/6N 近交系背景下构建「哺乳动物基因功能目录」。

生产端建立在 IKMC（国际敲除小鼠联盟）的资源之上：EUCOMM（欧洲）与 KOMP（美国）的 ES 细胞打靶库（knockout-first tm1a 等位基因及其衍生）、Regeneron 的 VelociGene 整码删除、以及近年主力 CRISPR/Cas9 的小缺失与大片段删除策略。表型端由 IMPReSS（International Mouse Phenotyping Resource of Standardised Screens）统一——16 个类别的标准化检测（解剖、临床化学、行为、心血管、代谢、免疫、视听、 ageing 等），突变体与野生型同协议同中心测试，统计调用经 OpenStats 集中管线产出。

数据端以半年至年度节奏发布：DR24（2026-03-16）含 1.38 亿数据点、9,605 个已表型基因、10,341 个突变品系与 111,664 个显著表型调用。项目累计产出超过 1,400 个人类疾病候选小鼠模型（复现患者表型）、超过 100 个经确认的罕见病基因-疾病关联；8,000 余篇论文依赖其数据或试剂。

数据的 FAIR 化程度极高：基因标识符复用 MGI 与 HGNC 持久 ID，表型术语采用 MP（哺乳动物表型本体）与 HPO（人类表型本体）——跨物种表型对比（Monarch Initiative 生态）与罕见病诊断工具（Exomiser/UDN）因此可以直接消费。许可为 CC-BY 4.0，访问通道包括云原生重建的 Web 门户、REST API、FTP 批量下载与知识图谱。

基因必要性（essentiality）是 IMPC 的标志性分析维度：把基因按纯合敲除后果分为五类（细胞致死/发育致死/亚存活/可活有表型/可活无表型）——这套分类与人类疾病基因分类对齐，直接服务于「未被研究的基因里哪些值得优先研究」的全球排序。

§1.2 战略价值

基因功能注释的最终基准：RNA 表达、蛋白互作、共表达网络都是间接证据——纯合敲除的全身表型是基因功能的「金标准对照实验」；IMPC 把这个金标准工业化了。
罕见病诊断的系统性补位：人类罕见病外显子组测序的最大痛点是「变异致病性证据不足」——IMPC 敲除表型（经 HPO 对齐）提供跨物种证据；UDN 用 Exomiser 消费 IMPC 数据辅助确诊是制度化案例。
药物靶点安全性的前置扫描：敲除致死/亚存活的基因是靶点选择的安全红线（人药靶点敲除小鼠 viable 才有开发空间）；「viable with no phenotype」则提示单靶点可能无效——靶点评估的两端都依赖这套数据。
未被研究基因的公平曝光：IMPC 优先策略明确瞄准 under-studied genes——文献偏置的基因宇宙被系统性校正；这是「不可而知」变「可知」的工程化。
多中心标准化的方法论样板：21 机构用同一套协议/统计管线/质控——「全球分工+统一标准」在实验生物学里的最大规模实践；任何多中心生物数据项目都值得抄这套治理。

§1.3 同类数据集横向对比

维度	IMPC	MGI	Sanger MGP 门户	GTEx
对象	敲除品系统一表型	全小鼠遗传资源整合	Sanger 产品系（MGP）	人组织表达
性质	实验数据（自产）	知识库（聚合文献）	实验数据（IMPC 子集源）	实验数据（自产）
协议	IMPReSS 16 类	不适用（聚合）	同 IMPReSS 系	RNA-seq/组织学
统计	OpenStats 集中	不适用	同源管线	标准化 pipeline
许可	CC-BY 4.0	混合	开放	开放
与人类疾病	MP↔HPO 映射	全景整合	同 IMPC	eQTL/GTEx sQTL

IMPC 与 MGI 的分工：MGI 聚合全部文献知识（含 IMPC），IMPC 自产标准化数据——「自产数据不聚合文献」是 IMPC 官方强调的差异点（官网原文：We generate our own data, it is not aggregated from publications）。
与 Sanger MGP 的关系：MGP（2006 起）是 IMPC 最大的生产引擎之一，其门户数据是 IMPC 的来源子集——用 Sanger 门户与用 IMPC 门户的口径差异在「多中心合并 vs 单中心全量」。
与 GWAS/eQTL 资源的互补：观察性人类遗传学（GWAS）发现关联、IMPC 提供因果性实验验证——两端的证据链在 Open Targets 里合并（IMPC 是其数据源）。

§1.4 版本时间轴

年份	事件	意义
2006	Sanger MGP 成立	年产 200 品系的生产引擎
2007-2011	IKMC 时代（EUCOMM/KOMP/NorCOMM）	ES 细胞打靶库铺底（12,350 基因=56% CCDS，2013 时点）
2011	IMPC 成立	多中心表型联盟成型
2013	EUCOMM/KOMP-CSD 等位基因分子表征	品系质量系统核查的起点
2015	IMPC 主论文（Nature Genetics）	目录首批成果发布
2025-11	NAR 门户论文（DR23.0 口径）	云原生门户重建 + KG
2026-03-16	DR24 发布	1.38 亿数据点 / 9,605 基因 / 111,664 调用

§1.5 应用场景矩阵

场景	用哪个数据面	关键操作	适配度
单基因功能查询	门户基因页	表型列表/测量图/生存曲线	★★★★★
罕见病变异致病性佐证	MP↔HPO 映射	Exomiser/门户疾病模型页	★★★★★
靶点安全性扫描	必要性五分类	lethal/subviable 过滤	★★★★☆
全基因组表型关联挖掘	API/FTP 全量	基因×MP 矩阵统计	★★★★☆
性别二态性研究	性别特异调用	DR24 性别注释层	★★★★☆
胚胎发育致死分析	Embryo Development 集合	胚胎分期表型	★★★☆☆
老年表型（late adult）	Late Adult 集合	年龄分层对比	★★★☆☆
组织病理深表型	Histopathology 集合	影像+参数	★★★☆☆

§1.6 组件全景

Web 门户（云原生）：基因页（表型列表/Measurement Chart 交互图/存活数据）/ 疾病模型页 / 数据集合页——可用性研究后重建的 UI。
REST API：大规模程序化访问（官方培训材料含大规模 API 使用教程）——全量挖掘的正道。
FTP 下载：全量数据文件（基因表/表型调用/参数测量）——离线分析的数据底座。
知识图谱（KG）：IMPC 数据的图形态——链接推理与跨资源合并的语义层。
IMPReSS：标准化协议库——每个检测的 SOP（含参数定义/仪器/流程）；16 类别的权威文档。
OpenStats：集中统计管线——线性混合模型等框架；显著性调用的产出机器。
PhenoDCC：数据协调中心（Data Coordination Centre）工具链——多中心数据的收集/质控/汇总。
GenTaR：基因-表型-资源关联工具；Embryo Viewer：胚胎表型影像查看器。
数据集合（Collections）：Late Adult / Histopathology / Essential genes / Embryo Development / Cardiovascular——按专题打包的数据面。
品系获取：EMMA（INFRAFRONTIER，>4,800 IKMC/IMPC 品系存档）/ KOMP Repository——MTA 条款下的活体/冷冻资源；Allele Conversion Service（tm1a→tm1c 等转换）。

§1.7 大科学工程的方法学经济学

IMPC 是实验生物学里最接近「工业流水线」的项目，其经济学值得拆解：

分工的边际成本递减：21 中心分摊生产（品系制作+表型跑批）——每个品系的边际成本随标准化程度下降；IMPReSS 的存在本质是「把方法学固定成本摊到全联盟」。
基因优先的算法治理：不按文献热度而按算法排序（近期聚焦 under-studied genes）——把「研究经费的市场失灵」用工程方法校正；这是科学社会学层面的实验。
一次产出全生态复用：一个品系的表型数据同时喂给 MGI/Open Targets/UniProt/Monarch/Exomiser——「生产一次、消费多处」的杠杆率在生物资源里最高档。
数据与资源的双轨开放：数据 CC-BY 4.0 零门槛；品系（活体资产）经 MTA——「信息开放+实物受控」的双轨制平衡了扩散与可持续。
8,000 篇论文的引用经济学：官方门户论文（NAR 2026）记录 8,000+ 论文依赖 IMPC——平均每篇 IMPC 数据支持的论文成本远低于各自为政的小规模实验；大科学的规模效应在此有定量体现。

§1.8 IMPC 在基因功能研究流程中的定位

基因功能证据链（从序列到疾病）
基因组注释（HGNC/Ensembl）
  → 表达证据（GTEx/HPA：在哪里表达）
  → 关联证据（GWAS/OMIM：与什么性状关联）
  → 因果实验（IMPC：敲掉后全身表型怎样）← 本条目
  → 机制研究（二次定制实验）
  → 疾病模型确认（人类表型对齐：MP↔HPO）
  → 诊断应用（Exomiser/UDN：变异致病性佐证）
  → 靶点决策（Open Targets：整合打分）

IMPC 的证据地位：关联证据链的「实验因果端」——GWAS 的 lead variant 落在基因 X 上，「敲掉 X 小鼠出现对应表型」是诊断与靶点决策都能消费的强证据。
上游下游的接口：上游用 HGNC/MGI ID 对齐（与 hgnc 条目联动）；下游经 HPO/MP 对齐（与罕见病诊断生态联动）——IMPC 的 FAIR 设计使其天然处于证据链的枢纽位。

§1.9 独特视角：负面结果的数据库

IMPC 有一个被低估的性质：它同时是最大的「敲了没表型」数据库。

viable with no phenotype 的信息量：敲除后「没表型」同样是数据——它约束了「该基因在标准检测下功能冗余/条件特异/补偿充分」的假设空间；文献只发表阳性结果，IMPC 的阴性调用是独一无二的系统性负结果库。
对 AI 建模的价值：基因-表型矩阵的零值（无调用）不是缺失而是「测过且阴性」——把 IMPC 矩阵当稠密标签学习时，阴性样本防止模型把「没证据」当「无功能」；这是与文献挖掘数据集的本质差异。
冗余与补偿的研究入口：单敲无表型 ≠ 基因无用——家族冗余（paralog compensation）假设可从 IMPC 阴性基因的家族聚类系统性生成；阴性数据是假设生成器。
为什么这个视角重要：用 IMPC 做靶点筛选的团队如果只拿「有表型」基因，等于把「安全但可能无效」的一半信息扔掉了——完整五分类+阴性调用的消费方式才是全谱利用。

§2 医学与科学背景

§2.2 为什么用小鼠做全基因敲除

哺乳动物模型的最优性价比：小鼠是可用高通量遗传操作的最小哺乳动物——生理/解剖/代谢与人类的保守性足够（约 70% 人类基因有单一小鼠直系同源），成本/世代时间可控。
近交系的标准化红利：C57BL/6N 近交系消除遗传背景噪声——任何表型差异都可归因于敲除；这是「工业级表型」的前提（远交群做不到）。
与人类疾病的语义桥：MP 与 HPO 的映射成熟——小鼠表型可以翻译成人类表型语言；这是斑马鱼/果蝇难以完全替代的转化距离。
C57BL/6N 的特定注意：N 亚系与 C57BL/6J 有 Nnt 基因差异等已知位点——跨研究对比时注意亚系；IMPC 全库统一 6N 反而是其内部一致性的优势。

§2.2 敲除等位基因的遗传学语义

critical exon 原则：靶向所有转录变体共有的关键外显子——删除后必然移码/破坏功能；「敲除」的定义由等位基因结构决定而非基因名。
knockout-first 家族（tm1a-e）：tm1a（诱捕盒破坏基因+报告表达）→Flp→tm1c（条件性恢复）→Cre→tm1d（移码 null）；tm1a→Cre→tm1b（报告标签 null）；tm1e（丢失 3’ loxP 的非条件靶向）——同一 ES 克隆可衍生报告/条件/null 三用途。
VelociGene 整码删除：删除全部蛋白编码序列的完全 null——对任何 Pol II 转录基因适用；不依赖 critical exon 选择。
CRISPR 时代：单切小缺失/双切外显子删除为主力；按需定制（条件性 loxP、点突变）补充——生产速度大幅提升但每品系的分子表征仍必要（脱靶与嵌合体历史教训）。
解读纪律：tm1a 残留盒的顺式效应（邻近基因干扰）、tm1e 不可条件化、CRISPR 品系的分子确认——等位基因类型是表型解读的第一变量（§6.5 坑点 2）。

§2.3 基因必要性五分类

五分类定义：cellular lethal（细胞水平不可存活）/ developmentally lethal（发育期致死）/ subviable（亚存活，部分个体存活）/ viable with phenotype（可活有表型）/ viable with no phenotype（可活无表型）——按纯合敲除后果排序的功能受限光谱。
与人类疾病的对齐：必要性分类与人类疾病基因分类对齐——developmentally lethal 对应发育性罕见病、viable with phenotype 对应可活的单基因病谱；「未与孟德尔病关联的必要性基因」是新的候选疾病基因池。
与细胞 Essential 基因集的互补：细胞系 CRISPR 筛选（DepMap 等）发现细胞致死基因——与 IMPC 的个体水平分类合并给出「细胞必需→个体必需」的光谱；LoF 不容忍度（pLI 类指标）与小鼠表型的交叉验证框架已建立。
分析含义：亚存活与致死基因的成年表型天然缺失——必要性分类本身是数据覆盖的先验（§4.6 完整性清单的逻辑）。

§2.4 IMPReSS 协议的标准化语义

16 类别的覆盖：解剖形态学/临床化学/血液学/行为/神经/心血管/呼吸/代谢/感官（视听）/免疫/骨/能量/生殖/embryology/ageing/histopathology——同一 SOP 跨 21 中心执行。
参数级标准化：每个检测细化到参数（测量项）——统计调用在「参数×性别×品系」粒度；参数的元数据（仪器/单位/年龄窗）随 IMPReSS 版本管理。
性别与生命阶段分层：DR24 强化性别特异参数的 MP 注释——「同一程序不同性别不同调用」的精细度是联盟级卖点。
协议版本的演化：IMPReSS 协议升级（新增检测/参数修订）跨版本数据对比要查协议版本戳——表型调用的可比性以协议一致为前提。

§2.5 统计管线的语义（OpenStats）

集中统计的必要性：21 中心各自统计会有 21 种 P 值口径——OpenStats 统一框架（线性混合模型等）保证调用的跨中心可比。
参照系的设计：同期同中心野生型做参照——环境批次效应在同协议内被控制；跨中心的表型强度对比仍需谨慎（中心效应）。
多重比较与效应量：全基因组规模的表型检测意味着海量检验——显著调用附效应方向与幅度；只筛 P 值不看效应量是常见误用。
版本演化的影响：DR23 的 113,803 调用 → DR24 的 111,664 调用——总数下降源于管线改进（性别注释更精确等）；「调用数变化=生物学变化」是误读（§6.5 坑点 6）。

§2.6 表型本体的跨物种语义（MP↔HPO）

MP 本体：哺乳动物表型本体——IMPC 调用的原生术语；层级化（表型大类→细表型）。
HPO 对齐：人类表型本体与 MP 的映射——小鼠表型翻译成人类表型语言；映射质量决定转译置信度。
Monarch 生态：跨物种表型计算推理（Monarch Initiative）——用相似度算法在物种间找模型；IMPC 是其核心数据源。
Exomiser 的落地：变 prioritization 工具把人类变异×IMPC/模型生物表型合并打分——UDN（未确诊疾病网络）的制度化使用；「小鼠表型佐证人类变异」的诊断路径的工业化。

§2.7 罕见病诊断的 IMPC 证据链

诊断困境的补位逻辑：新发变异（VUS）的致病性判定缺少功能证据——对应基因的 IMPC 敲除表型若复现患者表型（经 HPO 对齐），即为跨物种 PMID 级佐证。
>100 个验证关联的来源：IMPC 数据支撑的罕见病基因确认（NAR 论文口径）——从「小鼠有表型」到「人类病确认」的完整案例池；包括听觉/代谢/神经等域。
疾病模型页的用法：门户 Disease Models 区列出 >1,400 候选模型——「患者表型 → 找模型小鼠」的反向查询路径。
证据的边界：表型复现是佐证不是证明——人类确认仍需患者队列/功能实验；IMPC 证据在 ACMG/AMP 变异分类框架里是辅助证据类。

§2.8 性别二态性的系统层证据

DR24 的性别注释强化：性别特异参数的 MP 注释改进——「只在雄性显著」「只在雌性显著」的调用被显式标注。
为什么重要：药物反应/代谢/行为的性别差异是临床现实——小鼠表型的性别维度被系统性记录后，靶点与疾病模型的性别设计有了数据底座。
方法论含义：合并性别的统计会稀释性别特异效应——IMPC 的性别分层管线是「默认分层、事后合并」的姿势示范。
应用：性别二态基因清单（官方主题论文）可直接用于流行病学与临床试验设计的性别分层假设。

§2.9 老年表型与寿命的语义扩展

Late Adult 集合：老年小鼠的系统表型（27 周以上延伸检测）——常规筛查（~9-15 周）看不到的迟发表型。
Ageing 研究的杠杆：人类衰老相关疾病（神经退行/代谢/肌骨）的模型假设——老年表型数据是全生命周期功能目录的补全。
迟发表型的统计挑战：老年期存活偏差（弱个体已死亡）——late adult 分析的生存偏差处理是解读要点。
与必要性的联动：发育致死基因没有老年数据——必要性强相关的「数据空窗」按先验补位（胚胎数据集合）。

§3 数据集规格

§3.1 规格总表

属性	规格
名称	IMPC（International Mouse Phenotyping Consortium）
治理	21 机构 / 15 国 / 4 国家资助者；DCC 协调
目标	全部小鼠蛋白编码基因敲除+系统表型（C57BL/6N）
当前版本	Data Release 24（2026-03-16）
规模（DR24）	1.38 亿数据点 / 9,605 基因 / 10,341 品系 / 111,664 调用
表型协议	IMPReSS（16 类别；参数级标准化）
统计管线	OpenStats（集中式；性别分层）
等位基因	tm1a-e（ES 打靶）/ VelociGene / CRISPR/Cas9
疾病转化	>1,400 疾病候选模型 / >100 验证罕见病关联
标识/本体	MGI+HGNC / MP+HPO（FAIR）
许可	CC-BY 4.0（门户/API/FTP/KG）
品系获取	EMMA / KOMP Repository（MTA）+ 转换服务

§3.2 数据发布口径的地图

DR 节奏：半年至年度发布（DR23.0 2025 → DR24 2026-03）——每次发布含新增品系/数据点与管线改进。
跨版本的不可直比：DR23 的 113,803 调用 vs DR24 的 111,664——管线改进（性别注释）使调用集不是超集关系；跨版本研究固定单一版本或逐版本重算。
数据点的粒度：1.38 亿数据点=原始测量级；111,664 调用=统计显著级——「规模」引用要分清两个口径（差三个数量级）。
机器可读性改进：DR24 数据报告为机器可读性优化——API/脚本的解析逻辑随版本更新，老脚本要回归测试。
外链数据：DR24 起外链 Tremblay 组（University of Victoria）早期致死表型——IMPC 之外的补位数据要按外源口径引用。

§3.3 DAIMS 数据AI就绪度评估

#	维度	指标	评分（1-5）	依据
1	A 可获得	免费获取	5	CC-BY 4.0 全通道开放
2	A 可获得	获取流程	5	门户/API/FTP/批量查询多轨
3	A 可获得	分发格式	4	API JSON/FTP 文件；KG 补位
4	A 可获得	历史版本回溯	4	发布版本可溯；旧版全量存档粒度一般
5	D 文档	官方文档	5	IMPReSS 协议/门户帮助/培训材料
6	D 文档	方法透明度	5	协议+统计管线+allele design 全公开
7	D 文档	引用规范	5	官方引用页+论文口径清晰
8	I 互操作	标识符 FAIR	5	MGI/HGNC 持久 ID
9	I 互操作	本体对齐	5	MP↔HPO 映射；Monarch 生态
10	I 互操作	跨资源整合	5	MGI/Open Targets/UniProt 消费
11	M 元数据	参数元数据	5	IMPReSS 参数级元数据
12	M 元数据	版本元数据	4	DR 版本戳；协议版本联动待加强
13	S 可持续	治理机制	5	15 国资助+DCC；十余年连续
14	S 可持续	资源持续供给	5	品系存档（EMMA）+持续生产

综合 61/70（4.4/5）——互操作与文档的满分级选手；在「模式生物」类别里是 FAIR 化的天花板（与 ENCODE 同档）。

§3.4 存储与计算需求

全量数据：1.38 亿数据点的 FTP 全量在 GB 级——PostgreSQL/Parquet 单机全装；调用表（11 万行）极轻。
API 拉取策略：单基因查询走门户/API；全基因组挖掘走 FTP——API 逐基因拉全库会浪费配额与时间。
表型矩阵内存：9,605 基因 × MP 术语（数百）的二元矩阵百 MB 内——相似度/聚类全谱计算单机可行。
影像类资源：histopathology/embryo 影像的体量显著大于参数数据——深度学习用影像时按集合分批下载。

§3.5 获取通道

Web 门户：基因页/疾病模型页/集合页——人工浏览与单基因查询。
REST API：程序化访问（官方培训材料覆盖大规模 API 使用）——脚本化挖掘的主通道。
FTP：全量数据文件批量下载——离线分析的底座。
批量查询：门户批量基因查询（基因列表→批量结果）——中等规模的交互式路径。
知识图谱：KG 形态——SPARQL/图查询的推理型消费。
品系资源：EMMA/KOMP Repository——MTA 订购活体/冷冻胚胎/精子；Allele Conversion Service 换等位基因形态。

§3.6 口径对齐表

数字	口径 A	口径 B	使用建议
数据点	1.38 亿（DR24 测量级）	111,664（DR24 调用级）	规模引用分清量级
基因数	9,605（DR24 已表型）	12,350（IKMC ES 库 2013）	资源库≠已表型
调用数	113,803（DR23.0）	111,664（DR24）	写明 DR 版本
品系数	10,341（DR24 突变品系）	>4,800（EMMA 存档）	生产≠存档
疾病模型	>1,400（候选）	>100（验证关联）	候选≠确认
背景品系	C57BL/6N（IMPC 统一）	C57BL/6J（他源数据）	亚系差异注意

§3.7 版本选择纪律

新分析：直接用 DR24——除非需要与旧版结果衔接。
跨版本衔接：固定发布版本号入方法学；管线改进的调用集差异要显式声明（DR23→DR24 非超集）。
协议版本联动：IMPReSS 协议版本与 DR 版本双戳——表型对比的前提是协议一致。
API 脚本的版本回归：DR24 机器可读性改进可能改变字段结构——升级后老脚本先跑金标回归。
外链数据的独立口径：Tremblay 早期致死等外链数据不随 DR 版本走——引用时独立标注其来源与版本。

§3.8 数据文件与字段详表

数据面	粒度	关键字段
基因表	每敲除基因一行	mgi_id, symbol, allele_type, viability, essentiality_class, producing_center
表型调用表	每显著调用一行	mgi_id, mp_term, procedure, parameter, z_score/effect, sex, significance, release
参数测量	每参数每动物	mgi_id, procedure, parameter, value, sex, age_weeks, center, date
存活数据	每品系	homozygous_viability, heterozygous_viability, litter 统计
影像资源	每检查	embryo/histopathology 影像 + 元数据
KG	图节点/边	基因-表型-疾病-资源链接
IMPReSS	协议文档	procedure_id, parameter 定义, SOP, 版本

§4 数据结构

§4.1 对象模型

IMPC 数据模型（门户/FTP/API 视角）
├── Gene（MGI ID 主键；HGNC symbol 联动）
│   ├── allele（tm1a-e / VelociGene / CRISPR——结构+衍生关系）
│   ├── viability（纯合存活分类）
│   ├── essentiality（五分类）
│   └── producing_center（Sanger MGP/Harwell/JAX/BCM…）
├── Procedure/Parameter（IMPReSS 16 类别；参数级 SOP）
├── Measurement（动物级原始测量——1.38 亿点）
├── PhenotypeCall（统计显著调用——OpenStats；MP 术语+性别+效应）
├── OntologyLayer（MP 层级 ↔ HPO 映射）
└── Release 维度（DR 版本戳——跨版本分析的口径轴）

模型的两层统计结构：Measurement（原始）→ PhenotypeCall（统计结论）——分析用哪层是设计决策（调用层轻便、测量层灵活）。
本体层是语义外挂：MP/HPO 不在调用表内联而是经术语 ID 关联——跨物种对齐先装载本体映射表。
版本维度贯穿全模型：每个数据面都有 DR 版本——「版本四元组」（DR 版+协议版+等位基因型+中心）是表型解读的最小上下文。

§4.2 API 单基因查询

#!/usr/bin/env python3
"""IMPC API 单基因表型查询骨架（教学；正式端点以官方文档为准）。"""
import json, time, urllib.request

BASE = "https://api.mousephenotype.org"  # 以官方文档确认的端点为准

def gene_phenotypes(mgi_or_symbol: str) -> dict:
    """基因的显著表型调用（MP 术语+统计）。"""
    url = f"{BASE}/genes/{mgi_or_symbol}/phenotype-calls"
    with urllib.request.urlopen(url, timeout=30) as r:
        return json.load(r)

def gene_essentiality(mgi_or_symbol: str) -> dict:
    """必要性/存活分类与等位基因信息。"""
    url = f"{BASE}/genes/{mgi_or_symbol}"
    with urllib.request.urlopen(url, timeout=30) as r:
        return json.load(r)

if __name__ == "__main__":
    calls = gene_phenotypes("MGI:104779")   # 示例基因
    info = gene_essentiality("Brca1")       # 符号亦可（按 API 约定）
    for c in calls.get("results", [])[:5]:
        print(c.get("mpTermName"), "|", c.get("sex"),
              "|", c.get("statisticalMethod"))
    time.sleep(0.2)  # 礼貌限速

API 要点：(1) 正式端点/参数以官方 API 文档与 DR24 机器可读报告为准——本骨架是消费姿势示意；(2) 分页/限速遵循官方建议；(3) 调用附统计方法与性别——消费时保留这两个维度。

§4.3 FTP 全量装载与表型矩阵构建

#!/usr/bin/env python3
"""IMPC FTP 表型调用全量 → 基因×MP 二元矩阵（全谱挖掘底座）。
   阴性调用（测过无调用）单独编码为 -1：阴性≠缺失（§1.9）。"""
import pandas as pd

def load_calls(ftp_dir: str) -> pd.DataFrame:
    """装载全量表型调用文件（DR24）。"""
    return pd.read_csv(f"{ftps_dir}/phenotype_calls.csv", low_memory=False) \
        if False else pd.read_csv(f"{ftp_dir}/phenotype_calls.csv",
                                  low_memory=False)

def build_matrix(calls: pd.DataFrame,
                 tested: pd.DataFrame) -> pd.DataFrame:
    """基因×MP 矩阵：1=显著调用，-1=测过阴性，0=未测。
       tested = 基因×MP 的「已检测」清单（FTP 测量覆盖表派生）。"""
    pos = (calls.assign(v=1)
                .pivot_table(index="mgi_id", columns="mp_term_id",
                             values="v", aggfunc="max"))
    tested_set = set(map(tuple, tested[["mgi_id", "mp_term_id"]].values))
    mat = pos.reindex(columns=sorted(set(calls.mp_term_id))).fillna(0)
    for g, m in tested_set:
        if mat.at.get((g, m)) is None or (g in mat.index and m in mat.columns
                                          and mat.at[g, m] == 0):
            if g in mat.index and m in mat.columns:
                mat.at[g, m] = -1
    return mat

if __name__ == "__main__":
    # 三值语义：1 有表型 / -1 测过阴性 / 0 未测——
    # 全谱相似度与 ML 消费必须区分三值，不能当普通 0/1 矩阵。
    print("矩阵语义入档：三值编码写进方法学")

矩阵要点：(1) 三值语义（1/-1/0）是 IMPC 消费的核心纪律——「没调用」分「测过阴性」与「没测过」两种；(2) 阴性信息从「已检测覆盖」派生——FTP 的测量覆盖表/参数计数是来源；(3) 稠密矩阵的相似度（Jaccard/余弦）只应在「共同检测集」内计算——覆盖不对称会让相似度失真。

§4.4 必要性分类与靶点扫描

#!/usr/bin/env python3
"""靶点安全性前置扫描：候选靶点清单 × IMPC 必要性/存活/表型。
   输出每个靶点的「可药性风险面」摘要。"""
import pandas as pd

def target_safety_scan(targets: list[str], genes: pd.DataFrame,
                       calls: pd.DataFrame) -> pd.DataFrame:
    g = genes[genes.symbol.isin(targets)].set_index("symbol")
    rows = []
    for sym, r in g.iterrows():
        vcalls = calls[(calls.mgi_id == r.mgi_id)
                       & (calls.viability_relevant | True)]
        n_calls = len(vcalls)
        cls = r.essentiality_class
        risk = {"cellular lethal": "不可成药（细胞必需）",
                "developmentally lethal": "发育毒性风险高",
                "subviable": "部分致死风险",
                "viable with phenotype": "可成药——表型面需评估",
                "viable with no phenotype": "单靶疗效存疑"}.get(cls, "未知")
        rows.append({"target": sym, "class": cls, "n_calls": n_calls,
                     "risk_note": risk})
    return pd.DataFrame(rows)

if __name__ == "__main__":
    print("纪律：扫描输出是「风险面摘要」不是「弃用清单」——")
    print("subviable/lethal 基因亦有组织特异性条件敲除的成药路径")

扫描要点：(1) 五分类映射到「可药性风险面」是工程化转译——决策仍需机制层评估；(2) 全敲致死 ≠ 不可成药——条件性敲除（tm1c 系）支持组织特异药效假设；(3) 「viable with no phenotype」提示单靶点可能无效（冗余/补偿）——疗效风险与安全风险同样重要。

§4.5 元数据与可复现指纹

版本四元组：DR 版本 + IMPReSS 协议版本 + 等位基因类型 + 生产中心——任何表型结论的最小上下文。
品系指纹：MGI ID + 等位基因 MGI ID + 背景亚系（C57BL/6N）——品系级引用的精确形态；「Brca1 knockout」不等于一个品系（tm1a/tm1c/CRISPR 是不同实验）。
调用指纹：call 附统计方法/效应/性别/中心——复现分析时保留调用级完整字段。
FTP 快照：下载日期 + 文件清单哈希——FTP 内容随版本滚动，快照自归档（与 VAERS 同纪律）。

§4.6 完整性清单

装载 DR 数据后的自查序列：

基因数与官方 DR 报告对账（DR24 应见 9,605/10,341/111,664 三数）。
MGI ID 唯一性与 HGNC symbol 映射抽验（跨资源联动的前提）。
调用表的 MP 术语 ID 在 MP 本体当前版中的在场性——本体版本联动。
三值矩阵语义核查——「测过阴性」覆盖表与调用表的一致性抽验。
性别维度在场性——DR24 性别特异注释的调用比例抽验。
中心效应初查——同基因多中心生产的调用方向一致性抽验。
版本戳完整性——全部行含 DR 版本可追溯。

§4.7 数据血缘

IMPC 血缘（品系与数据从哪来）
IKMC 资源（EUCOMM/KOMP/NorCOMM ES 库 + CRISPR 设计）
  → 品系生产（21 中心分工；Sanger MGP/JAX/Harwell/BCM 等引擎）
  → 分子确认（基因分型/等位基因结构验证）
  → 标准表型（IMPReSS 16 类；同协议突变体 vs 同期野生型）
  → DCC 汇总与质控（PhenoDCC）
  → 集中统计（OpenStats → 显著调用）
  → 发布（DR 版本：门户/API/FTP/KG）
  → 生态消费（MGI/Open Targets/UniProt/Monarch/Exomiser）
  → 反馈（用户质询 → 中心复检 → 下一版修订）

血缘的核心节点是「分子确认→标准表型」的衔接：等位基因结构错误会让全部下游表型失义——2013 年 Mammalian Genome 的系统表征正是这个节点的质检记录。
DCC 的枢纽地位：多中心数据的收集/质控/统计/发布集中化——「分布式生产、集中化统计」是数据一致性的制度保证。
血缘的工程落点：下游分析每个调用可回溯「品系→等位基因→中心→协议版本→统计版本」——争议数据的复检通道全程开放。

§4.8 与 Open Targets 的整合消费

#!/usr/bin/env python3
"""IMPC 证据在靶点打分语境的消费骨架：
   IMPC 提供「动物模型」证据维（Open Targets 整合其数据），
   自建管线可对齐 IMPC 调用与 GWAS/OMIM 基因集。"""
import pandas as pd

def impc_support(ot_targets: pd.DataFrame, calls: pd.DataFrame,
                 hpo_map: pd.DataFrame) -> pd.DataFrame:
    """给 Open Targets 式靶点清单附加 IMPC 证据列。
    hpo_map: MP→HPO 映射表（Monarch/官方源）。"""
    ev = []
    for _, row in ot_targets.iterrows():
        c = calls[calls.mgi_id == row.mgi_id]
        human_pheno_terms = hpo_map[hpo_map.mp_term_id.isin(c.mp_term_id)]
        ev.append({
            "target": row.symbol,
            "n_impc_calls": len(c),
            "n_translated_phenos": human_pheno_terms.hpo_id.nunique(),
            "sexual_dimorphic": c.sex.nunique() > 1
                                and c.groupby("sex").mp_term_id.nunique().nunique() > 1,
        })
    return pd.DataFrame(ev)

if __name__ == "__main__":
    print("证据分级纪律：n_translated_phenos 是『经 HPO 映射的人类表型面』，")
    print("与 GWAS 关联数并列时必须标注证据来源层级（动物模型 vs 人类遗传）")

整合要点：(1) Open Targets 把 IMPC 作为「动物疾病模型」证据维整合——自建打分时证据权重分层（人类遗传 > 动物模型 > 计算预测）要有显式系数；(2) MP→HPO 映射的质量（一对多/多对一）影响转译计数——映射版本入档；(3) 性别二态列是新维——DR24 的性别注释使其可计算。

§4.9 与品系资源库（EMMA/KOMP）的联动

数据 → 活体的联动路径
IMPC 门户（表型兴趣 → 找品系）
  → 品系页的存档指针（EMMA ID / KOMP ID）
  → MTA 条款确认（EUCOMM MTA 为不可协商条款——官方提醒）
  → 订购（活体/冷冻胚胎/精子；Allele Conversion Service 可转 tm1a→tm1c）
  → 到货后的本地验证（基因分型 + 关键表型复现）
  → 发表时的品系引用（完整等位基因符号 + 存档 ID）

数据与资源的 ID 衔接：门户品系页直接给出存档库 ID——「看到表型→拿到小鼠」的最短路径是设计出来的。
MTA 的合规先行：EUCOMM 资源的 MTA 不可协商——订购前的条款确认是项目排期的一部分（不是物流问题）。
到货验证的必要性：运输/繁殖中的遗传漂变与污染历史上有案例——本地基因分型验证是发表前义务。

§5 下游分析协议

§5.1 任务×资源速查表

任务	IMPC 资产	配套资源	输出物
单基因功能解读	门户基因页/测量图	HGNC/MGI 注释	基因功能简报
变异致病性佐证	调用+MP↔HPO	Exomiser/OMIM	佐证报告
靶点安全扫描	五分类+调用	Open Targets	风险面清单
全谱表型相似度	三值矩阵	MP 本体	基因聚类/模型发现
性别二态挖掘	DR24 性别注释	性别差异文献	二态基因清单
胚胎致死分析	Embryo 集合	发育本体	发育基因图谱
老年表型研究	Late Adult 集合	ageing 文献	迟发表型谱
跨物种模型发现	MP/HPO 映射	Monarch	物种间表型对应

§5.2 单基因深度解读协议

五步读法：等位基因类型（结构是否破坏功能）→ 存活/必要性（数据覆盖先验）→ 调用清单（按 MP 大类分组）→ 测量图（效应方向与幅度）→ 性别分层（DR24 注释）。
调用与测量的交叉：显著调用的参数回到原始测量看分布重叠度——边缘显著（P 擦线+效应小）的调用降权。
中心与批次核查：多中心生产的基因做中心间方向一致性检查——单中心驱动的调用谨慎引用。
与文献对表：IMPC 阴性 vs 文献阳性（或反向）的处理——先查等位基因差异（null vs hypomorph）再下结论。
输出纪律：简报附「版本四元组」与阴性调用说明——「无表型」要写「测过阴性」还是「未测」。

§5.3 罕见病佐证协议

输入规范化：患者 HPO 术语集（标准编码）+ 候选基因变异清单。
IMPC 侧检索：候选基因的调用经 MP→HPO 映射——与患者 HPO 的重叠打分（Exomiser 类算法的透明复现）。
证据分级：表型重叠数/特异性（罕见 MP 术语权重高）/一致性（多参数同方向）——三项合成佐证强度。
反例检查：必要性分类与已知疾病机制的一致性（发育致死基因对应发育表型是正向；成年发病疾病对应 viable 基因）。
输出定位：佐证是 ACMG/AMP 框架的辅助证据（动物模型类）——报告写明证据类别不越级。

§5.4 成本模型

成本项	计算研究	实验室研究	诊断团队
数据获取	免费（CC-BY）	免费	免费
计算	单机可及	不适用	轻量
品系获取	不适用	MTA+订购+繁殖（数月）	不适用
本体对齐维护	MP/HPO 版本跟踪	同左	HPO 编码质量
人力	数据工程 1-2 人	胚胎/表型实验组	遗传咨询师+生信

计算端近乎零边际成本：数据与计算都是免费/单机——IMPC 挖掘是学界性价比最高的功能基因组入口之一。
实验端的真实成本在时间：品系订购到表型复现以月计——项目排期把 MTA/繁殖周期放进去（不是技术问题）。
诊断端的成本在编码质量：患者 HPO 术语编码质量决定佐证信号——遗传团队的 HPO 培训是隐性投入。

§5.5 失败模式清单

调用数当规模——1.38 亿测量 vs 11 万调用差三个量级；修复：口径分开引用。
跨 DR 版本直比——管线改进使调用集非超集；修复：固定版本或重算。
等位基因混淆——tm1a 顺式效应/tm1e 不可条件化/CRISPR 需分子确认；修复：等位基因类型先读。
阴性当缺失——三值语义（1/-1/0）混淆；修复：覆盖表派生阴性。
MP-HPO 映射越级——小鼠表型佐证不等于人类因果；修复：证据分级标注。
中心效应忽略——多中心数据的批次差异；修复：方向一致性检查。
性别合并稀释——二态效应被合并统计抹掉；修复：默认分层。
品系引用不精确——「某基因敲除小鼠」歧义；修复：完整等位基因符号+存档 ID。

§5.6 校准与验证协议

自建 IMPC 分析管线的分级校准（L1-L6）：

级别	校准内容	方法	通过标准
L1	装载完整性	§4.6 清单七项	全项通过
L2	ID 映射	MGI↔HGNC↔Ensembl 抽验 100 条	零错误
L3	本体对齐	MP 术语在 MP 当前版在场；HPO 映射抽验	孤儿率 <0.5%
L4	已知信号复现	经典基因（如 Lepr 肥胖表型）盲复现	方向与调用一致
L5	相似度合理性	已知同功能基因簇的矩阵相似度排序	生物学合理性抽验
L6	API/FTP 一致性	同基因 API 与 FTP 结果 diff	零不一致

L4 的经典基因集：Lepr（肥胖）、Tyr（白化）等教科书级表型——管线端到端正确性的直接证据。
L5 的生物学合理性：计算结果与生物学直觉的一致性抽验——防止矩阵工程错误（覆盖不对称等）污染下游。

§6 实证结果与方法学分析

§6.1 十五年产出的实证观察

规模曲线：2011 起步 → DR23.0（2025）9,277 基因/1 亿数据点 → DR24（2026-03）9,605 基因/1.38 亿数据点——年产数百基因的稳定推进（CRISPR 时代提速）。
表型发现的密度：约 11 万显著调用/9,605 基因 ≈ 每基因平均 11-12 个显著表型——高通量筛查的发现密度远超单基因文献。
疾病转化的管道：>1,400 候选模型 → >100 验证关联——从候选到确认的转化率反映「小鼠表型→人类疾病」确认链的真实难度。
引用影响：8,000+ 论文依赖——IMPC 数据已成为功能基因组的基础设施级引用。

§6.2 多中心标准化的实证教训

协议统一的收益：IMPReSS 使 21 中心数据可合并统计——没有它，多中心表型的合并分析会被批次噪声淹没。
残余的中心效应：同协议下中心间仍有环境残差（饮食/设施/操作者）——调用层面的方向一致性检查是必须的敏感性分析。
统计集中的权衡：OpenStats 集中统计牺牲了中心级灵活性换全局可比——自建分析可以重算但要声明与官方调用的差异。
版本演化的代价管理：管线改进改变调用集（DR23→DR24）——「统计口径的版本化」是多中心项目的长期负债，IMPC 用版本戳+发布说明管理，值得同类项目抄。

§6.3 方法学三层框架（gsm）

G（Governance）：15 国资助治理 + DCC 协调 + CC-BY 许可——数据合法性与其品系 MTA 的双轨。
S（Semantics）：等位基因类型×存活分类×MP/HPO 本体——表型解读的语义三角；等位基因结构决定「敲除」的含义。
M（Methodology）：IMPReSS 协议+OpenStats 统计+版本纪律——从动物到调用的方法学链条；跳过任何一环的解读都失稳。
框架用法：评估任何 IMPC 消费先过三层——「许可与资源边界（G）→ 等位基因与本体（S）→ 协议与统计（M）」。

§6.4 接力实验设计

IMPC 研究团队的接力验证设计：

R1 快照定格：DR 版本固定+FTP 归档+§4.6 清单——产出「可信数据实例」。
R2 映射校准：ID/本体映射核查（L2-L3）——产出「语义可用的矩阵」。
R3 经典复现：Lepr/Tyr 等盲复现（L4）——产出「管线有效性证据」。
R4 目标分析：单基因/全谱/靶点扫描——产出「研究结论」。
R5 交付：方法学段落（§7.7）+ R1-R3 证据 + 官方引用格式——审稿可回放。

§6.5 八个真实坑点

坑点 1：调用数当规模——测量级与调用级差三个量级；口径分开。
坑点 2：等位基因混淆——tm1a/tm1e/CRISPR 结构差异决定表型含义；先读 allele design。
坑点 3：阴性当缺失——三值语义（1/-1/0）；覆盖表派生阴性。
坑点 4：跨 DR 版本直比——管线改进非超集；固定版本或重算。
坑点 5：MP-HPO 越级——小鼠表型佐证≠人类因果；证据分级。
坑点 6：调用数变化当生物学——DR23→DR24 下降是管线改进；读发布说明。
坑点 7：中心效应忽略——多中心批次残差；方向一致性敏感性。
坑点 8：品系引用不精确——「敲除小鼠」歧义；完整等位基因符号+存档 ID。

§6.6 审稿人自查清单

DR 版本（+IMPReSS 协议版本）是否声明？
等位基因类型是否写入方法学？
「无表型」是否区分「测过阴性」与「未测」？
跨版本对比是否声明管线差异？
MP→HPO 转译是否标注映射版本与证据层级？
多中心数据是否做中心效应敏感性？
性别维度是否分层呈现（或声明合并理由）？
品系引用是否用完整等位基因符号？
小鼠证据的结论措辞是否克制（不越级到人类因果）？

§6.7 版本治理的方法学含义

「改进即变化」的沟通艺术：DR24 调用数下降被官方明确解释为管线改进——版本说明把「数据变少」翻译成「统计变准」；同类项目应学会这种沟通。
协议版本的隐性联动：IMPReSS 协议更新不随 DR 发布走——跨期分析要同时核对两个版本轴。
外链数据的边界管理：早期致死外链数据（Tremblay 组）独立于 DR 版本——外源数据的引用边界要显式。
对国内同类平台的启示：「自产数据不聚合文献」的定位纯净性 + 版本戳体系 + 发布说明的解释义务——三件套是国家级表型平台可以直接借用的治理模板。

§6.8 与人类遗传学证据的整合张力

证据层级的不可通约：小鼠全敲是「基因功能缺失的极限实验」——人类多数疾病变异是部分功能改变（错义/调控）；LoF 光谱的对齐要做插值不是直译。
表型翻译的信息损耗：MP 调用（标准化检测）与人类临床表型（自由临床描述）的语义距离——HPO 映射后仍有残余不对应；佐证打分的权重设计要保守。
背景一致性的优势：IMPC 全库 C57BL/6N 消除背景噪声，但也意味着「背景修饰」的人类对应物（遗传背景多样性）不在系统内——外推时声明。
工程含义：整合管线里 IMPC 证据列的元数据至少含「等位基因类型+DR 版本+HPO 映射版本」——证据可追溯性是整合可信度的底座。

§6.9 表型统计的解读纪律

显著性≠重要性：11 万调用是海量检验的产出——效应量与生物学特异性（罕见 MP 术语）才是优先级信号。
每基因平均调用的误用：平均 11-12 个调用不代表「每个基因都该有 11 个表型」——必要性与检测覆盖决定分布；按分布解读不按均值。
P 值口径的版本性：管线版本改变检验框架（DR24 性别注释）——P 值跨版本不可直比；引用附版本。
效应方向的生物学锚定：参数的「高/低」要与生理学方向对齐（如血糖高）——调用表的 z 值方向消费前先核对参数定义。

§7 AI 就绪指南与应用场景

§7.1 IMPC 在医疗 AI 中的四种喂法

喂法 1：基因-表型监督标签——三值矩阵做基因功能预测模型的训练/评测标签（阴性样本防「没证据=无功能」退化）。
喂法 2：变异优先级特征——VUS 解释管线里 IMPC 佐证作为特征维（经 HPO 映射）。
喂法 3：知识图谱节点——KG 形态接入基因-表型-疾病推理图；链接预测发现新关联。
喂法 4：多模态影像预训练——histopathology/embryo 影像+参数标签——表型影像的自监督/弱监督资源。
四喂法与坑点对应：喂法 1 踩坑 3（三值语义）；喂法 2 踩坑 5（越级）；喂法 3 踩坑 4（版本）；喂法 4 踩坑 2（等位基因元数据）——建模前对号。

§7.2 表型矩阵挖掘管线实操配方

端到端配方（DR 快照 → 挖掘产物）
┌────────────────────────────────────────────────────────┐
│ 1. 快照：FTP 全量下载+归档（DR24）                        │
│ 2. 装载：调用表+测量覆盖表+MP 本体                        │
│ 3. 矩阵：三值编码（1/-1/0）+ 共同检测集掩码               │
│ 4. 校准：Lepr/Tyr 复现（L4）                             │
│ 5. 挖掘：相似度/聚类/链接预测（在掩码内）                  │
│ 6. 语义：MP→HPO 转译 + 证据分级标注                       │
│ 7. 交付：结果+版本四元组+方法学段落                       │
└────────────────────────────────────────────────────────┘

共同检测集是相似度的生命线：覆盖不对称的相似度是伪相似度——掩码内计算是纪律。
阴性信息的杠杆：-1 值参与聚类（测过阴性=功能信息）——全谱挖掘与文献挖掘数据集的最大差异点。
语义层最后注入：先做数值挖掘再做 MP→HPO 转译——语义转译过早会锁死计算自由度。

§7.3 模型选型与迁移决策

矩阵规模友好：9,605×数百 MP 的三值矩阵——轻量模型（矩阵分解/图嵌入）即可全谱建模；无需大模型起步。
图神经网络的适用面：基因-表型二部图+本体层级——GNN 的链接预测适合「测过但阴性/阳性混合」的结构。
影像模型的迁移路径：histopathology 影像量级有限——病理学预训练模型（PathChat 类）微调优于从头训练。
LLM 的正确位置：调用清单的自然语言解读+方法学段落生成——挖掘主体仍是结构化模型；LLM 做语义接口。

§7.4 公平性：基因宇宙的覆盖偏倚

优先算法的残余偏倚：under-studied 优先策略校正了文献偏置，但靶向可行性（critical exon 存在性/必要性别）仍造成覆盖差——致死基因的表型数据天然稀疏。
表型检测的人类中心性：IMPReSS 检测清单反映人类关注（代谢/行为/心血管）——小鼠感知域（嗅觉/超声交流）覆盖弱；「无检测=无数据」的域要声明。
性别覆盖的历史债：早期数据的性别平衡弱于 DR24——跨期分析注意性别记录密度变化。
跨物种映射的语义不平等：MP↔HPO 映射在「临床常见表型」处最密——罕见/特殊表型的映射稀疏，佐证能力随之不均。

§7.5 任务×资源速查表

AI 任务	输入	IMPC 资产	评测指标
基因功能预测	序列/网络特征	三值矩阵标签	AUROC（阳性+阴性双评测）
VUS 优先级	变异+患者 HPO	MP→HPO 佐证	已知诊断复现率
新模型发现	表型查询	矩阵相似度	生物学家盲评
表型影像分类	组织/胚胎影像	影像+标签	分域 F1
性别二态发现	性别分层调用	DR24 注释	已知二态基因召回
链接预测	KG	知识图谱	hits@k（已知关联留出）

§7.6 端到端案例：未确诊病的 IMPC 佐证流水

目标：为某未确诊罕见病家系（外显子组已测）生成 IMPC 佐证报告。
输入：患者 HPO 术语集 + 候选变异（变优先级后 top-20 基因）。
步骤：(a) 候选基因的 IMPC 调用拉取（API）→ (b) MP→HPO 转译 → © 与患者 HPO 的重叠与特异性打分 → (d) 必要性分类与疾病机制一致性核查 → (e) 佐证报告（证据类别=动物模型辅助证据）。
坑点前置：映射版本（坑点 5 的纪律）；阴性声明（坑点 3）；措辞克制（不越级）。
产出：报告进入诊断团队的变优先级会议——与 OMIM/文献证据并列呈现。

§7.7 报告模板：方法学段落骨架

IMPC 数据分析方法学段落（可复用骨架）：
「本研究使用 IMPC 数据发布 DR24（2026-03-16，IMPReSS 协议版本 X）。
基因-表型矩阵按三值编码（1=显著调用 / -1=测过阴性 / 0=未测），
阴性覆盖自测量覆盖表派生。
表型相似度在共同检测集掩码内计算（方法：Jaccard/嵌入…）。
跨物种转译经 MP→HPO 映射（映射版本 Y），证据定位为
动物模型辅助证据（ACMG/AMP 框架辅助类）。
等位基因类型与生产中心元数据全保留；
性别维度按 DR24 性别特异注释分层呈现。
全部品系引用使用完整等位基因符号与存档 ID（EMMA/KOMP）。」

骨架的八要素：DR 版本/协议版本/三值语义/掩码/相似度方法/映射版本/证据层级/品系引用——少一项即复现风险点。
本地化建议：中文研究补「小鼠表型术语的中文对照表」——团队沟通与临床转译的效率件。

§7.8 成本与排期模板

阶段	内容	计算研究	实验研究
W1	快照下载+装载+完整性（L1）	1 人	1 人
W2	映射校准（L2-L3）	1 人	1 人
W3	经典复现（L4）	1 人	—
W4-6	目标分析（矩阵/佐证/影像）	1-2 人	实验组并行
W7-8	品系订购与 MTA（如需）	—	排期关键路径
常设	DR 版本跟踪+本体对齐	兼职	兼职

§7.9 消融案例：阴性信息对功能预测的影响

设定：同一基因功能预测任务——A 只用阳性调用（1/0 二值）；B 三值（1/-1/0）；C 三值+共同检测掩码；D C+本体层级聚合。
典型结果模式：A 的「0 值」混合了阴性/未测——模型把未测基因系统性打低分；B 修正后阴性基因的分数分布正常化；C 消除覆盖不对称的伪相似；D 的层级聚合提升稀疏术语的信号——四步的信息增益集中在 B、C。
教训：阴性信息的编码方式（不是模型选择）是 IMPC 建模的第一杠杆——先修数据语义再调模型。
与坑点的映射：A 即坑点 3；C 即坑点 7 的矩阵版；D 是本体维度的加成——消融矩阵就是坑点清单的实验化。

§8 伦理、许可与合规

§8.1 许可与义务结构

CC-BY 4.0 的开放面：门户/API/FTP/KG 全部数据——署名即用，商用可用；引用规范（官方 Citing IMPC Data 页）。
品系的双轨受控：活体资源经 EMMA/KOMP Repository 的 MTA——EUCOMM MTA 不可协商（官方明示）；数据开放≠实物无条件开放。
动物福利的制度层：IMPC 官网设 Animal Welfare 专章——21 中心的动物实验伦理批准与 3R 原则执行是联盟治理的常设维度；引用与使用时尊重该语境。
数据引用义务：CC-BY 的署名要求+官方引用格式（门户论文+DR 版本）——引用是许可义务也是学术礼仪。

§8.2 引用与致谢模板

论文/报告引用模板：
「本研究使用 IMPC 数据（Data Release 24, 2026-03-16；
mousephenotype.org），按 CC-BY 4.0 许可使用。
表型数据依据 IMPReSS 标准化协议生成，统计调用经 OpenStats 管线。
品系来源：[EMMA ID/KOMP ID + 完整等位基因符号]。
Wilson R 等, NAR 2026;54(D1):D1133-D1142（门户论文）；
[如用特定成果] 另引对应主题论文。」

双引用结构：门户论文（资源引用）+ 主题论文（具体成果）——IMPC 官方推荐结构。
版本与协议双戳：DR 版本+IMPReSS 协议版本——与 §3.7 纪律一致。
品系完整引用：等位基因符号+存档 ID——可复现性的品系侧。

§8.3 国内合规路径

数据获取：CC-BY 4.0 数据全球可用——国内团队直接下载/API 合法；署名引用即可。
品系引进的监管层：活体小鼠引进涉及国内实验动物许可与生物安全审批——IMPC 品系引进的排期要把国内监管窗口纳入（可能数月）。
动物伦理的本地对齐：国内机构使用 IMPC 品系做实验——本单位 IACUC/伦理委员会批准是本地义务（IMPC 的福利语境不替代本地审批）。
罕见病诊断的落地：IMPC 佐证进入国内遗传咨询报告——报告语言按国内临床规范表述（辅助证据定位不变）。

§8.4 商业使用边界

CC-BY 的商用允许：数据嵌入商业产品（靶点筛选平台/BI）合法——署名+许可声明随行。
品系衍生品的边界：商业服务用 IMPC 品系做药效/毒理实验——MTA 条款的商业条款逐条核查（部分资源有商业使用限制）。
衍生数据库的义务：基于 IMPC 的衍生数据库（合并/加工）——CC-BY 传播+不暗示官方背书；「IMPC 兼容」类宣传措辞谨慎（不暗示联盟认证）。
AI 模型的许可传导：IMPC 训练的模型商用——数据许可不传导到模型权重（CC-BY 无 copyleft），但训练数据声明是行业规范。

§8.5 合规台账最小模板

台账项	内容示例	更新频率
快照档案	DR 版本/下载日期/文件哈希	每次 DR 发布
本体版本	MP/HPO/映射表版本	半年度
品系台账	订购记录/MTA 副本/本地验证	每次引进
动物伦理	本地批准文号/有效期限	年度续期
数据用例	分析/发表/产品清单	按项目
引用核查	产物引用格式完整性	每次发布

§8.6 大科学工程的治理语义

联盟治理的三层：资助机构层（方向）+ 中心执行层（生产）+ DCC 协调层（整合）——职责分离清晰；「分布式生产、集中化质控统计发布」的架构是其 15 年稳定的关键。
标准先行的哲学：IMPReSS 协议在生产启动前固定——「先定标准再产数据」避免事后 harmonization 的高成本；这是多中心实验设计的黄金顺序。
算法治理的公正性设计：基因优先按算法而非机构偏好——联盟内部的「科研政治」被制度性约束；值得所有联盟型项目参照。
开放的双边界：数据全开放（CC-BY）与实物受控（MTA）的边界清晰声明——「什么免费什么不免费」提前写明是信任基础；对比模糊许可的资源，IMPC 的边界透明度是治理资产。

§9 谱系与生态

§9.1 小鼠功能基因组时间线

年份	事件	意义
2003	VelociGene 方法建立	高通量打靶技术奠基
2006	Sanger MGP 成立	年产 200 品系的生产引擎
2007-2011	IKMC 时代	EUCOMM/KOMP/NorCOMM ES 库铺底
2009-2011	knockout-first 设计确立	Skarnes 2011；Pettitt 2009
2011	IMPC 成立	多中心表型联盟
2013	等位基因分子表征	品系质检系统化
2015	IMPC 主论文	目录首批成果
CRISPR 时代	生产提速	主力技术切换
2025-11	NAR 门户论文	云原生重建+KG（DR23.0 口径）
2026-03	DR24	1.38 亿数据点/9,605 基因/性别注释强化

§9.2 术语表

IKMC：国际敲除小鼠联盟——IMPC 的资源前身（EUCOMM/KOMP/NorCOMM）。
knockout-first（tm1a）：诱捕盒+条件潜力的一代等位基因设计。
tm1b/tm1c/tm1d/tm1e：tm1a 经 Cre/Flp 衍生的等位基因家族（报告/条件/移码/非条件）。
VelociGene：Regeneron 的整码删除技术——完全 null 等位基因。
critical exon：关键外显子——所有转录变体共有的功能必需外显子。
IMPReSS：标准化表型协议库——16 类别检测 SOP。
OpenStats：集中统计管线——显著调用的产出框架。
PhenoDCC：数据协调中心——多中心数据的收集/质控/汇总。
MP（Mammalian Phenotype）：哺乳动物表型本体——调用的原生术语。
HPO：人类表型本体——跨物种转译的目标术语。
必要性五分类：cellular lethal/developmentally lethal/subviable/viable with phenotype/viable with no phenotype。
under-studied genes：未充分研究基因——IMPC 优先策略的靶向。
Disease model（候选）：复现人类患者表型的敲除品系。
EMMA：欧洲突变小鼠档案库——INFRAFRONTIER 品系存档。
Exomiser：变优先级工具——消费 IMPC/模型生物数据佐证人类变异。
Monarch Initiative：跨物种表型计算推理生态。

§9.3 资源选型决策树

基因功能问题需要什么？
├── 敲掉后全身表型 → IMPC（因果实验证据）
├── 全部文献知识聚合 → MGI（知识库）
├── 人组织表达 → GTEx/HPA（表达证据）
├── 人类遗传关联 → GWAS Catalog/OMIM（关联证据）
├── 细胞必需性 → DepMap（细胞层筛选）
├── 变异致病性佐证 → IMPC（经 Exomiser/Monarch）
└── 靶点综合打分 → Open Targets（整合全链）

证据类型匹配问题类型：功能缺失后果→IMPC；表达位置→GTEx；人群关联→GWAS——选错资源类型是问题的常见起点。

§9.4 与本库其他条目的关系

关联条目	关系	典型联合场景
HGNC 基因命名委员会	符号/ID 对齐	基因跨库联接的标识符层
MedDRA 监管活动医学词典	表型语义对照	安全性事件 vs 模型表型的对齐语境
TCGA	癌症基因×模型表型	敲除表型的肿瘤学转译
SRA 序列档案	测序数据×品系基因分型	等位基因确认的测序证据
AlphaMissense	变异预测×模型验证	计算预测与实验表型的互补

§9.5 组合使用建议

功能证据最小组合：IMPC（因果）+ HGNC（标识）+ OMIM（疾病关联）——基因功能解读的标准三件套。
罕见病诊断组合：外显子组 + IMPC 佐证（经 HPO）+ OMIM/PanelApp——VUS 优先级的完整证据链。
靶点评估组合：IMPC 五分类 + AlphaMissense 变异预测 + Open Targets 打分——安全面×可药性×遗传支撑的三维评估。
发育研究组合：IMPC Embryo 集合 + SRA 单细胞测序——表型与转录态的时空对齐。

§9.6 模式生物资源的生态角色

哺乳动物功能注释的锚点：序列注释（自动）与文献知识（手工）之间——IMPC 提供系统实验注释的第三极；Open Targets/MGI/UniProt 的消费确认其锚点地位。
罕见病诊断的基础设施：经 Exomiser/UDN 的制度化——IMPC 是全球罕见病诊断管线里的标准证据源。
阴性数据库的独有价值：系统性「测过阴性」记录在生物医学资源里的稀缺性——功能冗余/补偿研究的独家入口。
多中心科学的方法学输出：IMPReSS/OpenStats/DCC 的治理三件套——超出数据本身的方法学遗产。

§9.7 功能基因组资源家族的光谱定位

维度	IMPC	MGI	DepMap	GTEx
证据类型	个体敲除表型	文献聚合	细胞必需性	人组织表达
物种	小鼠（C57BL/6N）	小鼠（全景）	人类细胞系	人类组织
因果强度	强（体内实验）	依来源	强（细胞内）	弱（观察）
覆盖	9,605 基因	全景	全基因（细胞内）	全基因（组织级）
转化距离	近（哺乳动物）	—	远（细胞层）	零（人类）

家族共性：系统化×标准化×开放——功能基因组资源的三件套；IMPC 在「体内因果」与「哺乳动物距离」的组合上独占。
互补结构：DepMap（细胞内）↔IMPC（个体内）构成必要性证据的两级；GTEx↔IMPC 构成表达↔功能的两端。

§9.8 IMPC 生态的圈层地图

圈层	组件	角色	依赖关系
核心	DR 数据 + IMPReSS + OpenStats	数据与方法本体	—（本体）
生产圈	21 中心（Sanger MGP/JAX/Harwell/BCM…）	品系与数据生产	按标准协议生产
资源圈	EMMA/KOMP Repository	品系存档与分发	MTA 双轨
语义圈	MP/HPO/Monarch/MGI	术语与整合	本体映射
应用圈	Open Targets/Exomiser/UDN/自建管线	语义消费	经语义圈或直连

生产圈与资源圈的双轨：数据走 CC-BY 开放、品系走 MTA 受控——同一产出物双许可轨道是 IMPC 治理的独特结构。
圈层穿越的代价：应用圈直连生产圈（单中心门户）会失去多中心合并的统计力——经核心 DR 消费是默认正道；与 sra/meddra 条目的圈层结论同构。

§10 资源导航与 FAQ

§10.1 官方资源导航

资源	入口	用途
IMPC 门户	https://www.mousephenotype.org	基因/表型/疾病模型查询
数据发布页	门户 data/release	DR 版本说明与全报告
REST API	门户 API 区	程序化访问（含培训材料）
FTP	门户 FTP 区	全量文件下载
IMPReSS	impress 协议站	标准协议原文
Citing IMPC	门户引用页	引用规范
EMMA/INFRAFRONTIER	infrafrontier.eu	品系订购（欧洲）
KOMP Repository	komp.org	品系订购（北美）
Monarch Initiative	monarchinitiative.org	跨物种表型推理
Open Targets	opentargets.org	靶点整合打分

上手路径建议：(1) 门户基因页查 3 个熟悉基因（如 Lepr/Brca1/Tyr）建立直觉 → (2) 读 Citing 页与 DR 发布说明 → (3) API 培训材料过一遍 → (4) FTP 下载 DR24 做矩阵演练（§4.3）→ (5) 经典信号复现（L4）后上线挖掘流水。

§10.2 关键文献

Wilson R 等，International Mouse Phenotyping Consortium Portal（NAR 2026;54(D1):D1133-D1142, 10.1093/nar/gkaf1148）——门户架构、DR23.0 口径与整合生态的权威描述。
Groza T 等（PMID 36305825）——联盟层面数据生产与人类疾病研究的综合论文。
Skarnes WC 等，Nature 2011;474:337-342——knockout-first 等位基因设计原文。
Pettitt SJ 等，Nat Methods 2009——C57BL/6N ES 细胞资源。
Mammalian Genome 2013（EUCOMM/KOMP-CSD 分子表征）——等位基因质检的方法学记录。
IMPC 主论文（Nature Genetics 2015）——目录首批成果。
官方主题论文集（Essential genes/Sexual dimorphism/Hearing/Metabolic 等，门户 Publications 区）——专题分析的数据支撑论文。

§10.3 站内延伸阅读

HGNC 基因命名委员会——基因标识符与符号的权威层；IMPC 的 HGNC 联动。
MedDRA 监管活动医学词典——临床安全性术语与模型表型的语义对照。
TCGA——肿瘤基因组的转化对照侧。
SRA 序列档案——品系基因分型的测序证据层。
AlphaMissense——变异效应预测与模型实验的互补证据。

§10.4 FAQ

Q1：IMPC 数据免费吗？
A：免费——CC-BY 4.0 许可，门户/API/FTP/知识图谱全开放；署名引用即可。

Q2：可以订购 IMPC 的小鼠吗？
A：可以——经 EMMA（欧洲）或 KOMP Repository（北美），需签署 MTA；EUCOMM 资源 MTA 不可协商（官方提醒）。

Q3：敲掉一个基因通常会发现表型吗？
A：约平均每基因 11-12 个显著调用（DR24）——但分布不均：必要性低的基因可能阴性（测过无表型），致死基因只有胚胎数据。

Q4：「无表型」是没测还是测过没事？
A：必须区分——IMPC 的覆盖记录可区分「测过阴性」与「未测」；分析用三值编码（1/-1/0），把阴性当缺失是常见错误。

Q5：为什么 DR24 的表型调用比 DR23 少了？
A：管线改进（性别特异 MP 注释等）使统计更精确——不是数据变少；跨版本引用写明 DR 版本。

Q6：tm1a、tm1c、tm1d 有什么区别？
A：同一 ES 克隆的衍生——tm1a 是 knockout-first（诱捕盒）；Flp 处理得 tm1c（条件性）；Cre 处理 tm1c 得 tm1d（移码 null）；表型解读前先确认等位基因形态。

Q7：CRISPR 品系和 ES 细胞品系的数据能混用吗？
A：能合并分析但等位基因类型必须入档——CRISPR 有脱靶与嵌合体历史风险、tm1a 有顺式效应——分层敏感性是好习惯。

Q8：IMPC 能证明人类疾病的基因因果吗？
A：不能单独证明——小鼠表型经 HPO 映射是人类变异致病性的「动物模型辅助证据」（ACMG/AMP 框架辅助类）；确认仍需人类证据。

Q9：什么是必要性五分类？
A：按纯合敲除后果：cellular lethal（细胞致死）/developmentally lethal（发育致死）/subviable（亚存活）/viable with phenotype（可活有表型）/viable with no phenotype（可活无表型）。

Q10：致死基因为什么没有成年表型？
A：发育致死基因活不到成年——数据空窗是必然；胚胎表型（Embryo 集合）与外链早期致死数据（DR24 起链 Tremblay 组）补位。

Q11：IMPC 和 MGI 什么关系？
A：MGI 是全小鼠知识库（聚合文献与资源），IMPC 自产标准化数据并喂给 MGI——「自产不聚合」是 IMPC 的定位。

Q12：怎么拿全部数据做挖掘？
A：FTP 全量下载（GB 级）——API 逐基因拉全库不现实；下载后自建三值矩阵（§4.3）。

Q13：性别维度数据可用吗？
A：DR24 强化性别特异 MP 注释——「只在雄/雌显著」的调用显式可查；跨期分析注意早期数据性别记录密度较低。

Q14：可以在文章里只写「IMPC 敲除小鼠」吗？
A：不合格——需完整等位基因符号（如 tm1d/tm1e/CRISPR 形态）+ MGI ID + DR 版本；品系引用规范见官方 Citing 页。

Q15：IMPC 数据进商业产品合法吗？
A：合法——CC-BY 4.0 允许商用；署名+许可声明随行；品系相关商业实验另查 MTA 商业条款。

Q16：怎么确认一个 MP 调用的强度？
A：看效应量与参数定义（不只 P 值）——边缘显著调用回原始测量看分布重叠；多参数同方向的一致性加权重。

Q17：多中心生产的基因数据可信吗？
A：可信且更好——同协议下多中心方向一致性是天然稳健性检查；单中心驱动的调用做敏感性标注。

Q18：IMPC 与 DepMap 的必要性数据怎么合用？
A：互补——DepMap 是细胞层必需性、IMPC 是个体层；「细胞致死→个体致死」光谱的两端对齐后用于靶点安全扫描。

Q19：MP↔HPO 映射在哪拿？
A：经 Monarch Initiative 与官方映射资源——映射版本入档；映射在常见临床表型处密、罕见表型处稀疏。

Q20：胚胎致死基因怎么研究其功能？
A：用 Embryo Development 集合的分期表型+条件性敲除（tm1c 系做组织/时间特异）——全敲致死不等于功能不可研究。

Q21：IMPC 能预测药物靶点的疗效吗？
A：部分——「viable with no phenotype」提示单靶可能无效（冗余/补偿）；「viable with phenotype」提示可成药且表型面已知——疗效仍需药理学验证。

Q22：统计调用用的什么方法？
A：OpenStats 集中管线（线性混合模型类框架）——同协议同期野生型为参照；方法细节见 IMPReSS/OpenStats 文档。

Q23：老年表型数据有吗？
A：有——Late Adult 集合覆盖老年期延伸检测；注意老年期的存活偏差（弱个体先死亡）。

Q24：IMPC 支持哪些疾病域的模型？
A：>1,400 候选模型跨代谢/神经/感官/免疫/发育等域——官方主题论文含 hearing/metabolic/essential genes 等专题。

Q25：品系到货后要验证吗？
A：要——本地基因分型+关键表型复现是发表前义务；运输/繁殖的遗传漂变与污染历史上有案例。

Q26：中国团队怎么引用 IMPC？
A：门户论文（NAR 2026）+ DR 版本+（如用主题成果）主题论文——CC-BY 署名即可；中文团队常见遗漏是 DR 版本戳。

Q27：怎么跟 GWAS 结果联用？
A：GWAS 基因→IMPC 调用→表型与 GWAS 性状对齐（经 HPO/EFO）——关联证据与因果证据的合并（Open Targets 式）。

Q28：AI 模型用 IMPC 训练要标注什么？
A：DR 版本+三值语义+掩码规则+等位基因元数据——阴性编码方式是可复现性的最大变量（§7.9 消融）。

Q29：影像数据（病理/胚胎）怎么获取？
A：经门户影像查看器与集合下载——体量大于参数数据，按集合分批；Embryo Viewer 支持交互浏览。

Q30：IMPC 覆盖了全部小鼠基因吗？
A：未完成——DR24 为 9,605/约 2 万蛋白编码基因；生产持续（CRISPR 提速）；必要性高的基因覆盖受限于致死。

Q31：可以做时间序列或寿命研究吗？
A：可做横断面老年对比（Late Adult）——全寿命纵向监测非 IMPC 定位；寿命研究另有专门队列资源。

Q32：IMPC 数据的 QC 怎么做的？
A：PhenoDCC 数据协调中心统一质控+分子确认（等位基因结构验证）——2013 年起系统化的品系质检记录可查。

Q33：怎么找「和我的患者表型最像」的小鼠？
A：患者 HPO → MP 映射 → 三值矩阵相似度（掩码内）或 Monarch/Exomiser 工具——反向模型发现的标准路径。

Q34：联盟有哪些中心？
A：21 机构/15 国——Sanger MGP（英）/Harwell（英）/JAX 与 BCM（美）/EMMA 网络（欧）等；基因页标生产中心。

Q35：资金从哪来？
A：4 个国家资助者+机构投入——NIH KOMP2/Wellcome Trust/EU INFRAFRONTIER 等；联盟官网 Funding 页有全表。

Q36：IMPC 未来会怎么演进？
A：官方信号——全基因覆盖持续推进、DR24 起机器可读性与 KG 增强、性别注释精细化；「每基因都有标准表型」的终局目标不变。

§10.5 要点回顾

定位：哺乳动物基因功能目录——自产标准化数据、不聚合文献。
规模双口径：1.38 亿测量 vs 111,664 调用——差三个量级分清引用。
等位基因先读：tm1a-e/VelociGene/CRISPR 结构决定表型含义。
三值语义：1/-1/0——阴性≠缺失，覆盖表派生。
版本四元组：DR 版+协议版+等位基因+中心——解读最小上下文。
跨版本不直比：管线改进非超集——DR23→DR24 教训。
证据分级：小鼠表型=辅助证据——不越级到人类因果。
性别分层：DR24 注释强化——合并统计稀释二态。
数据开放×品系受控：CC-BY 与 MTA 双轨——边界清晰。
经典复现校准：Lepr/Tyr 盲复现——管线有效性的端到端证据。

口径存照（数字均注明口径与来源，写入正文前已核对）

项目身份：2011 成立/21 机构/15 国/4 国家资助者/C57BL/6N 背景/全蛋白编码基因目标 = NAR 2026 论文（10.1093/nar/gkaf1148, PMID 41231752）+ 官网
DR24（2026-03-16）：>1.38 亿数据点/9,605 基因/10,341 品系/111,664 显著调用/新增 ~450 万数据点 = 官网首页 + DR24 发布公告（mousephenotype.org?p=57371）
DR23.0（2025）：>1 亿数据点/9,277 基因/113,803 显著表型 = NAR 2026 论文（跨版本差异为管线改进——性别特异注释等，DR24 发布说明）
1,400 疾病候选模型/>100 验证罕见病关联/8,000+ 论文依赖 = NAR 2026 论文
数据整合进 MGI/Open Targets/UniProt = NAR 2026 论文
FAIR：MGI+HGNC 持久 ID/MP+HPO 本体/CC-BY 4.0/门户+API+FTP+KG = NAR 2026 论文 + 官网
必要性五分类 = NAR 2026 论文
IMPReSS 16 类别协议/OpenStats 统计 = NAR 2026 论文 + 官网
DR24 亮点：机器可读性/性别注释改进/外链 Tremblay 组（University of Victoria）早致死数据 = DR24 发布公告
Knockout-first 设计（tm1a/b/c/d/e；Skarnes 2011 Nature 474:337-342；Pettitt 2009）= 官网 allele design 页 + Targeting Strategies 页
VelociGene 整码删除（Valenzuela 2003 Nat Biotechnol 21:652-659）= 官网 allele design 页
CRISPR 策略（单切/双切/按需）= 官网 allele design 页
EUCOMM/KOMP-CSD ES 库 12,350 基因=56% CCDS（2013 时点）= Mammalian Genome 2013（10.1007/s00335-013-9467-x）
Sanger MGP 2006 成立/年产 200 品系 = Mammalian Genome 2013 转述 Ayadi 2012
EMMA >4,800 IKMC/IMPC 品系存档/Allele Conversion Service/EUCOMMTOOLS 200+ Cre drivers/EUCOMM MTA 不可协商 = INFRAFRONTIER EMMA 页
合作：3i（~550 WTSI 品系免疫表型）/Kids First/UDN（Exomiser）/Genomics England 100K→1M genomes/Monarch = 官网 Collaborations 区
云原生门户重建+KG+API 培训材料 = NAR 2026 论文
Database Commons 收录：year founded 2014（portal 口径）/v24.0/2026-03-16 更新 = NGDC Database Commons id 8574