Nyereség:
- A VCF formátum, a HGVS jelölés (c./p./g.) és az ACMG patogenitási kritériumainak megértése, valamint a mesterséges intelligencia bizonyítási tervezetet készít.
- Képes személyesen ellenőrizni az egyes ACMG bizonyítékokat (populáció gyakorisága, in silico, szegregáció, irodalom) olyan forrásokban, mint a ClinVar és a gnomAD
- Képes alkalmazni a genomverzió és a koordinátarendszer-hibák elkapásának elveit, és nem bízni a végső patogenitási osztályozást a mesterséges intelligenciára
Az egyén genomja több millió pontban különbözik a referenciától; E különbségek többsége ártalmatlan („jóindulatú”), néhányuk betegséget okoz („kórokozó”). A változatértelmezés feladata annak eldöntése, hogy egy különbség melyik osztályba tartozik, és ez a klinikai genetika szíve. Ebben az egységben megtudhatja, hogyan használhatja a mesterséges intelligenciát (AI) bizonyítékgyűjtési, összefoglaló és fogalmazó asszisztensként a változatértelmezésben; de megtudhatja, miért kell a végső patogenitási döntést mindig szakértői jóváhagyáshoz kötni.
Kritikus figyelmeztetés először: Kérdezze meg az AI-t: "Ez a változat patogén?" Soha ne bízz az egyszavas válaszban, amit kérdezel. Az AI magabiztosan tud osztályozni bizonyítékok nélkül; illeszkedik egy változat populációs gyakoriságához, korábbi klinikai feljegyzésekhez vagy funkcionális vizsgálatokhoz. A helyes megközelítés az, ha mesterséges intelligencia segítségével építjük fel a bizonyítékok keretét, és személyesen ellenőrizzük az egyes bizonyítékokat az elsődleges forrásnál.
Alapfogalmak
- VCF (Variant Call Format): Szabványos fájlformátum, amely egy mintában felsorolja a változatokat; Minden vonal kromoszómát, pozíciót, referenciabázist, alternatív bázist és minőségi információkat hordoz.
- HGVS jelölés: Szabványos írási formátum változatokkal. c. pozícióját a kódoló szekvenciában, p. fehérje változás, g. Genomikus elhelyezkedést jelöl. Például NM_000546.6:c.743G>A és p.Arg248Gln.
- gnomAD: Több százezer ember variánsfrekvenciáit gyűjtő adatbázis; Megmutatja, hogy egy változat mennyire gyakori a társadalomban. A gyakori változatok általában nem patogének.
- ClinVar: Nyilvános adatbázis, amely a változatok klinikai értelmezését gyűjti.
- ACMG/AMP kritériumok: Az American College of Medical Genetics bizonyítékrendszere, amely egy változatot öt osztályra oszt: patogén, valószínű patogén, bizonytalan jelentőségű változat (VUS), esetleg jóindulatú, jóindulatú.
ACMG bizonyítékkódok: egy rövid térkép
Az ACMG rendszer evidenciális kódokat határoz meg patogén irányban (PVS, PS, PM, PP) és jóindulatú irányban (BA, BS, BP); Ezek együttesen határozzák meg az osztályt. A mesterséges intelligencia jól elmagyarázza, mit jelentenek ezek a kódok, de ellenőriznie kell az adatokat, amelyeken a kód ténylegesen implementálva van.
kód
Jelentés (összefoglaló)
Hol kell ellenőrizni a forrást
PVS1
Nagyon erős bizonyíték a funkció elvesztéséhez (pl. a kezelés korai abbahagyása)
Átirat, tartomány, gén-betegség kapcsolat
PS1/PS3
Ugyanaz az aminosav/funkcionális vizsgálat, mint az ismert patogén
ClinVar, lektorált funkcionális cikk
PM2
Nagyon ritka/nincs a populációkban
gnomAD frekvencia
PP3/BP4
Számítógépes előrejelzés patogén/jóindulatú irányban
Becslő eszközök (konszenzus)
BA1/BS1
A gyakoriság túl magas ahhoz, hogy patogén legyen
gnomAD frekvencia
BP6/PP5
(Már nem ajánlott) valaki más értelmezésére hagyatkozva
—
Tipp: A PM2 (ritkaság) és a BA1/BS1 (általánosság) döntések közvetlenül a gnomAD frekvencián alapulnak, és a legkönnyebben ellenőrizhető bizonyítékok. Először nézzen meg egy változatot a gnomAD-n; A populáció több mint 1%-ában elterjedt változat nagy valószínűséggel nem patogén.
Lépésről lépésre: AI által támogatott változatértelmezés
1. Rögzítse a változatot a szabványos jelöléshez. Tisztázza a genom verzióját, az átiratot és a HGVS-reprezentációt. Változat az AI-ból mindkettő c. mindkettő p. mindkettő g. , majd erősítse meg egy érvényesítővel (például VariantValidator).
2. A mesterséges intelligencia építse fel a bizonyítékok keretét. Minden ACMG-kódnál „milyen adatokat kell megnéznem?” Az AI válaszoljon a kérdésre – de még ne adja meg az osztályt.
3. Ellenőrizze a bizonyítékokat az elsődleges forrásnál. gnomAD frekvencia, ClinVar rekord, funkcionális tanulmány – nyissa meg és olvassa el mindegyiket saját maga. Ellenőrizze az AI "not available in gnomAD" állítást úgy, hogy rákeres a gnomAD-ban.
4. Kombinálja a kódokat, és bontsa ki az osztályt. ACMG kombinációs szabályok tervezete AI-val; De hagyja, hogy a szakértő hagyja jóvá a végső osztályt.
5. Őszintén jelentse a VUS-t. Ha a bizonyíték nem elegendő, az osztály "Bizonytalan jelentés"; Hiba kórokozónak vagy jóindulatúnak nyomni.
három mini tok
1. eset – Készített frekvencia. Egy szakértő megkérdezte a mesterséges intelligenciát a gnomAD variáns gyakoriságáról; „0,002%” – mondta az AI. Amikor a szakértő ránézett a gnomAD-ra, azt találta, hogy a variáns gyakorisága 1,3% volt – vagyis a BS1 bizonyítéka (jóindulatú irányban erős) érvényes volt, és a változat valószínűleg ártalmatlan. A mesterséges intelligencia alacsony frekvenciája miatt a változat hamisan ritkanak tűnt.
2. eset – Hamis funkcionális vizsgálat. Egy kutató a PS3-at (functional proof) akarta megvalósítani egy változathoz; Az AI meggyőző cikket közölt. Amikor a kutató a PubMed-en keresett, azt találta, hogy nincs ilyen cikk. A hamis tulajdonítás összeomolná a bizonyítékok láncát.
3. eset – Megerősítést kaptunk. Egy genetikai tanácsadó újraértékelte az AI „lehetségesen patogén” változatát. YZ rámutatott a ClinVarhoz újonnan hozzáadott, egymásnak ellentmondó megjegyzésekre; A tanácsadó megnyitotta a ClinVar-t, és látta, hogy két laboratórium észlelte a változatot a VUS-on, és frissítette a jelentést. Itt a mesterséges intelligencia segített azzal, hogy emlékeztetett minket egy olyan frissítésre, amely talán észrevétlen maradt – de ismét az ember hozta meg a döntést.
Négy másolható sablon
1) Bizonyítéki keretrendszer felállítása (anélkül, hogy az osztály elmondaná):
Az Ön szerepe: klinikai variáns értelmező asszisztens. Állítsa be az ACMG/AMP bizonyítékkeretet a következő változathoz: [genom verzió, átirat, HGVS]. Minden lehetséges bizonyítékkódhoz (PVS1, PS1-4, PM1-6, PP1-5, BA1, BS1-4, BP1-7) „milyen adatot kell megnéznem, melyik forrásból, hogy ezt alkalmazzam?” Írj. MÉG ne mondd az osztályt; csak sorolja fel, milyen adatokra van szüksége.
2) gnomAD/ClinVar megerősítési terv:
Írd le lépésről lépésre, hogy pontosan mit keressek a gnomAD-ban és a ClinVar-ban a következő változatnál: [variáns]. Magyarázza el, hogy melyik populációs gyakorisági küszöb melyik ACMG-kódnak felel meg. Nem te alkotod meg az értékeket; mondd meg, hol találom.
3) Óravázlat (az általam jóváhagyott):
A következő ellenőrzött bizonyítékokat adtam: [PM2 van, PP3 van, BS1 nincs ...]. Készítse el a lehetséges osztályt és az indoklást az ACMG kombinációs szabályai szerint. Nyugodtan mondjon „VUS”-t, ha a bizonyíték nem elegendő. A végső döntést jóváhagyom.
4) Jelentéstervezet:
Fordítsa le a következő besorolást jelentésbekezdésbe a betegnek és az orvosnak megfelelő közérthető nyelven: [variáns, osztály, legfontosabb bizonyíték]. Ne vigye túlzásba a bizonyosság állításait; ha bizonytalanság van, világosan jelezze. Klinikai döntésért forduljon szakemberhez.
Gyenge felszólítás / Erős felszólítás
Gyenge: „A TP53 c.743G>A patogén?”
Probléma: Nincs genom verzió/átirat, nincs szükség bizonyítékra, a mesterséges intelligencia csak meg tudja mondani az osztályt, és meghatározza a gyakoriságot.
Erős: "Állítsa be az ACMG-bizonyítási keretrendszert a GRCh38, TP53 NM_000546.6:c.743G>A (p.Arg248Gln) számára; mondja meg, mit kell keresnem, melyik forrásban minden kódhoz, értékillesztéshez, az osztály vázlatához, miután ellenőriztem."
Miért erős: A kontextus világos, a bizonyítékok útja nyitott, a kitalálás mezeje beszűkült, a döntés az ember kezében van.
Gyakori hibák
- Az egyszavas patogenitási válaszra támaszkodva. Egy adott osztály bizonyítéklánc nélkül semmit sem ér.
- A gyakoriság és a hozzárendelés ellenőrzésének elmulasztása. A gnomAD gyakorisága és a cikkek hivatkozásai adaptálhatók; Nyisd ki magad.
- A VUS elkerülése. A „kórokozó/jóindulatú” mondás, amikor a bizonyíték nem elegendő, klinikai hiba.
- Genom verzió/átirat keverése. Hibás átírás, hibás c. Helyzetet jelent.
- ClinVar frissítés kihagyása. Az értelmezések idővel változnak; Ellenőrizze a legfrissebb rekordot.
Figyelem: Az ACMG-kódok kombinálása szabályalapú, de szakértői véleményt igényel; Ugyanazok a bizonyítékok eltérő súllyal bírhatnak a különböző génbetegség összefüggéseiben. Az AI kombinációja egy tervrajz, nem a végső szó.
Mélység: a VCF-vonal és a frekvenciaküszöbök helyes olvasása
Egy VCF-fájl egyetlen sora is sok buktatót tartalmaz. Példasor: 17 43091983 . G A 60 PASS AF=0,0003;DP=45 GT:AD 0/1:22,23. Megkérheti az AI-t, hogy magyarázza el a mezőket, de erősítsen meg három pontot saját maga. Először is, melyik genomváltozathoz tartozik a kromoszóma-pozíció pár? Ugyanez a változat a GRCh37-ben és a GRCh38-ban eltérő helyen jelenik meg; A verzió megadása nélkül a hely értelmetlen. A második a GT (genotípus) domén: 0/1 heterozigóta, 1/1 homozigóta; Recesszív betegség esetén egyetlen heterozigóta változat önmagában nem magyarázható. Harmadszor, DP (olvasási mélység) és AD (allélmélység): alacsony mélység (pl. DP=8) megkérdőjelezhetővé teszi a variánshívást; A technika álpozitív lehet. Az AI formálisan megmagyarázza ezeket a mezőket, de „megbízható ez a hívás?” A döntés a tiéd.
Konkrét példa a gyakorisági küszöbökre: egy szakértő a PM2-t (ritkaság) kívánta alkalmazni egy recesszív öröklődésű ritka betegség variánsára. A mesterséges intelligencia azt mondta, "a gnomAD-nek nincs, a PM2-nek biztosan." Amikor a szakértő megnyitotta a gnomAD-t, azt találta, hogy a variáns gyakorisága 0,8% egy szubpopulációban – ez elég magas ahhoz, hogy kizárja a PM2-t, tekintettel a betegség elterjedtségére. Gyakori hiba, hogy az általános populáció gyakoriságot nézzük, és kihagyjuk az alpopulációkat.
Allélgyakoriság (populáció)
Tipikus ACMG megjegyzés
megjegyzés
Nincs/nagyon ritka
Támogathatja a PM2-t
Nézze meg az alpopulációkat is
Magasabb, mint a betegség előfordulása
BS1 (jóindulatú erős)
Fontos a recesszív/domináns megkülönböztetés
5%-nál magasabb
BA1 (független jóindulatú)
Szinte biztosan ártalmatlan
5) VCF vonalvezérlő sablon:
Magyarázza meg mezőnként az alábbi VCF-vonalat, de ne hozzon megbízhatósági ítéletet: értelmezze külön a genom verziót, a GT-t (zigozitás), a DP és az AD mezőket. Sorolja fel azokat az eseteket, amikor ez a hívás technikailag megkérdőjelezhető. Sor: [beillesztés].
Összefoglalva
- A változatértelmezés bizonyítékokon alapul; A mesterséges intelligencia erős a bizonyítékok megfogalmazásában és összefoglalásában, de az osztály döntése a szakértőn múlik.
- Minden bizonyítékot (gnomAD gyakoriság, ClinVar regisztráció, funkcionális vizsgálat) személyesen kell ellenőrizni az elsődleges forrásnál.
- Javítsa ki a változatot genomverzió, átirat és HGVS szerint; Erősítse meg hitelesítővel.
- Ha a bizonyíték nem elegendő, az őszinte válasz: „Bizonytalan jelentőség (VUS).
Pályázati feladat
Válasszon egy példaváltozatot (például a ClinVar egy jól ismert rekordját). A mesterséges intelligencia építse fel a bizonyítékkeretet a fenti 1. és 2. sablonnal. Ezután nyissa meg a gnomAD frekvenciát, és írja meg ClinVar megjegyzését, és hasonlítsa össze őket az AI állításokkal. Vegye figyelembe, hogy van-e különbség az AI és a forrás között legalább egy bizonyítékban, és igazolja a lehetséges osztályt.
ellenőrző lista
- [ ] A változatot genom verzióval, átirattal és HGVS-sel javítottam.
- [ ] A bizonyítási keretrendszert én állítottam fel, az AI-t nem én mondtam el kezdettől fogva az osztálynak.
- [ ] Személyesen ellenőriztem a gnomAD frekvenciáját.
- [ ] Megerősítettem a ClinVar regisztrációt és a naprakészséget.
- [ ] A PubMedben ellenőriztem a funkcionális tanulmányokra vonatkozó hivatkozásokat.
- [ ] Ha a bizonyítékok nem voltak elégségesek, nem haboztam VUS-t mondani, és magam hagytam jóvá a döntést.