В статье представлен масштабный анализ 21 инструмента для предсказания влияния однонуклеотидных вариантов (VEP) на функцию белка, включая 18 современных и 3 классических метода. Авторы создали строго курируемый набор данных Benchmark, объединив клинически аннотированные варианты из ClinVar и Humsavar с кросс-видовыми данными, при этом применив строгий контроль утечки данных для обеспечения достоверности сравнения. Оценка показала узкий диапазон производительности инструментов (AUC от 0.631 до 0.758) и значительное снижение точности при переходе от клинических данных к функциональным. На основе полученных результатов разработана новая консенсусная модель PredictSNPprot, использующая алгоритм градиентного бустинга, которая достигла AUC 0.82 на тестовой выборке. Эта модель превзошла оригинальный предиктор PredictSNP на 13.6 процентных пункта и лучший современный инструмент на 5.7 процентных пункта. Результаты подчеркивают важность корректного бенчмаркинга и показывают, что некоторые старые методы сохраняют конкурентоспособность, однако новый консенсусный подход обеспечивает существенный прирост точности. Разработанный набор данных и код модели доступны для общественного использования, что способствует воспроизводимости исследований в области биоинформатики и генетики.