利益:
- VCF 形式、HGVS 表記法 (c./p./g.)、および ACMG の病原性基準を理解し、人工知能に証拠草案を作成させる能力
- ClinVar や gnomAD などのソースで各 ACMG の証拠 (集団頻度、インシリコ、分離、文献) を個人的に検証する機能
- ゲノムのバージョンと座標系のエラーを捕捉し、最終的な病原性分類を人工知能に任せないという原則を適用する能力
個人のゲノムは数百万点で基準と異なります。これらの違いのほとんどは無害 (「良性」) ですが、いくつかは病気を引き起こす (「病原性」)。変異解釈は、差異がどのクラスに分類されるかを決定する作業であり、臨床遺伝学の中心です。この単元では、さまざまな解釈における証拠の収集、要約、および草案作成のアシスタントとして人工知能 (AI) を使用する方法を学びます。しかし、最終的な病原性の決定が常に専門家の承認を必要とする理由を学ぶことになります。
最初に重要な警告: AI に「この変異体は病原性ですか?」と尋ねます。あなたが尋ねた一言の答えを決して信用しないでください。 AI は証拠がなくても自信を持って授業を言うことができます。変異の集団頻度、以前の臨床記録、または機能研究に適合させることができます。正しいアプローチは、AI を使用して証拠フレームワークを構築し、一次情報源で各証拠を個人的に検証することです。
基本的な概念
- VCF (Variant Call Format): サンプル内のバリアントをリストする標準ファイル形式。各行には、染色体、位置、参照塩基、代替塩基、および品質情報が含まれます。
- HGVS 表記: バリアントを含む標準の書き込み形式。 c.コード配列におけるその位置、p.タンパク質の変化、ｇ．ゲノムの位置を示します。たとえば、NM_000546.6:c.743G>A および p.Arg248Gln です。
- gnomAD: 数十万人の人々の変異頻度を収集するデータベース。これは、バリアントが社会でどれほど一般的であるかを示しています。一般的な変異体は通常、病原性を持ちません。
- ClinVar: バリアントの臨床的解釈を収集する公開データベース。
- ACMG/AMP 基準: バリアントを 5 つのクラスに分類する米国医科遺伝学会の証拠システム: 病原性、病原性の可能性、重要性が不明なバリアント (VUS)、良性の可能性、良性。
ACMG 証拠コード: 簡単なマップ
ACMG システムは、病原性方向 (PVS、PS、PM、PP) と良性方向 (BA、BS、BP) の証拠コードを定義します。これらが組み合わされてクラスが決定されます。 AI はこれらのコードが何を意味するかを説明するのは得意ですが、どのコードが実際に実装されているかをデータで検証する必要があります。
コード
意味（要約）
ソースを確認する場所
PVS1
機能喪失につながる非常に強力な証拠（早期中止など）
転写産物、ドメイン、遺伝子と疾患の関係
PS1/PS3
既知の病原性物質と同じアミノ酸/機能研究
ClinVar、査読済みの機能論文
PM2
非常にまれである/集団内に存在しない
gnomAD の頻度
PP3/BP4
病原性/良性方向の計算による予測
見積りツール（コンセンサス）
BA1/BS1
病原性があるには頻度が高すぎる
gnomAD の頻度
BP6/PP5
(推奨されなくなりました) 他人の解釈に依存する
—
ヒント: PM2 (希少性) および BA1/BS1 (一般性) の決定は、gnomAD の頻度に直接基づいており、最も簡単に検証できる証拠です。まず gnomAD でバリアントを参照してください。人口の 1% 以上に蔓延している変異型は、病原性がない可能性が最も高くなります。
ステップバイステップ: AI 支援によるバリアント解釈
1. 異表記を標準表記に修正しました。ゲノムのバージョン、転写産物、および HGVS の表現を明確にします。 AI からのバリアント両方 c.どちらも p.両方ともg。 、次にバリデーター (VariantValidator など) で確認します。
2.AIに証拠フレームワークを構築してもらいます。各 ACMG コードについて、「どのデータを見るべきか?」 AI に質問に答えてもらいます。ただし、クラスはまだ指定しないでください。
3. 一次情報源で証拠を検証します。 gnomAD 頻度、ClinVar 記録、機能研究 — それらすべてを自分で開いて読みます。 gnomAD で AI を検索して、AI の「gnomAD では利用できない」という主張を確認します。
4. コードを結合してクラスを抽出します。 AI を使用した ACMG 組み合わせルールの草案。ただし、最終クラスは専門家に承認してもらいます。
5. VUS を正直に報告します。証拠が不十分な場合、クラスは「意味が不確か」になります。それを病原性か良性かのように押しつけるのは間違いです。
ミニケース3個
ケース 1 — でっち上げられた周波数。専門家が AI に gnomAD の亜種の頻度について質問しました。 「0.002%」とAIは言いました。専門家自身が gnomAD でそれを調べたところ、バリアントの頻度は 1.3% であることがわかりました。これは、BS1 (良性の方向に強い) の証拠が有効であり、バリアントはおそらく無害であることを意味します。 AI が捏造した低周波により、この変異体は誤ってレアであるかのように見えました。
ケース 2—偽の機能研究。研究者は、バリアントに PS3 (機能証明) を実装したいと考えていました。 AIは説得力のある署名記事を与えた。研究者が PubMed で検索したところ、そのような論文がないことがわかりました。虚偽の帰属は証拠の連鎖を崩壊させるだろう。
ケース 3 — 確認が得られました。遺伝カウンセラーはAIを使って「病原性の可能性がある」変異体を再評価した。 YZ は、ClinVar に新たに追加された矛盾するコメントを指摘しました。コンサルタントは ClinVar を開き、2 つの研究室が VUS で亜種を検出したことを確認し、レポートを更新しました。ここでは、AI が気づかれずに更新されたことを私たちに思い出させてくれましたが、やはり決定を下したのは人間でした。
コピー可能な 4 つのテンプレート
1) 証拠の枠組みを確立する (クラスに説明させずに):
あなたの役割: 臨床変異解釈アシスタント。次のバリアントに対して ACMG/AMP 証拠フレームワークを設定します: [ゲノム バージョン、トランスクリプト、HGVS]。考えられる証拠コード (PVS1、PS1-4、PM1-6、PP1-5、BA1、BS1-4、BP1-7) ごとに、「これを適用するには、どのソースのどのデータを調べればよいですか?」書く。クラスについてはまだ言わないでください。必要なデータを列挙するだけです。
2) gnomAD/ClinVar 確認計画:
次のバリアントについて、gnomAD と ClinVar で正確に何を探す必要があるかを段階的に書いてください: [variant]。どの母集団頻度しきい値がどの ACMG コードに対応するかを説明します。あなたが価値観を作り上げるのではありません。どこで見つけられるか教えてください。
3) 授業概要（私が承認）：
私は次の検証済みの証拠を提示しました: [PM2 が存在し、PP3 が存在し、BS1 が存在しません...]。ACMG 組み合わせルールに従って、可能なクラスと正当化の草案を作成します。証拠が不十分な場合は、遠慮なく「VUS」と言ってください。最終決定は承認させていただきます。
4) 報告書草案:
次の分類を、患者と医師に適した平易な言葉でレポートの段落に翻訳します: [バリアント、クラス、主要な証拠]。確実性を誇張して主張しないでください。不確実性がある場合は、それを明確に述べてください。臨床上の決定については専門家に相談してください。
弱いプロンプト / 強いプロンプト
弱者: 「TP53 c.743G>は病原性ですか?」
問題: ゲノムのバージョン/転写も必要なく、証拠も必要ありません。AI はクラスに伝えて頻度を補うことができます。
Strong: 「GRCh38、TP53 NM_000546.6:c.743G>A (p.Arg248Gln) の ACMG 証明フレームワークをセットアップします。各コードのどのソースで何を探すべきか、値のフィッティング、検証後のクラスのドラフトを教えてください。」
それが強力な理由: 文脈が明確で、証拠の道が開かれ、捏造の領域が狭められ、決定は個人の手に委ねられます。
よくある間違い
- 病原性の一言の答えに頼る。一連の証拠のない特定のクラスには価値がありません。
- 頻度と帰属を検証しない。 gnomAD の頻度と記事の引用を調整できます。自分で開けてください。
- VUSを回避する。証拠が不十分な場合に「病原性/良性」と言うのは臨床上の誤りです。
- ゲノムのバージョン/転写物のシャッフル。不正確な転写、不正確 c．場所という意味です。
- ClinVar の更新をスキップします。解釈は時間の経過とともに変化します。最新の記録を確認します。
注意: ACMG コードの結合はルールに基づいて行われますが、専門家の判断が必要です。同じ証拠でも、遺伝子疾患の状況が異なれば重みも異なる場合があります。 AI の組み合わせは青写真であり、最終的な決定ではありません。
深さ: VCF ラインと周波数しきい値を正しく読み取る
VCF ファイル内の 1 行にも、多くの落とし穴が含まれています。行の例: 17 43091983 。 G A 60 パス AF=0.0003;DP=45 GT:AD 0/1:22,23。ここの項目はAIに説明してもらうこともできますが、3点は自分で確認してください。まず、染色体位置のペアはどのゲノムのバージョンに属しているでしょうか?同じ変異体が GRCh37 と GRCh38 の異なる位置に出現します。バージョンを指定しないと、場所は意味がありません。 2 番目は GT (遺伝子型) ドメインです。0/1 ヘテロ接合、1/1 ホモ接合です。劣性疾患では、単一のヘテロ接合性変異だけでは説明がつきません。第三に、DP (読み取り深さ) と AD (対立遺伝子深さ): 深さが低い (例: DP=8) とバリアント呼び出しが疑わしいものになります。この手法は誤検知である可能性があります。 AIはこれらの分野を形式的に説明しますが、「この呼び出しは信頼できるでしょうか?」決定はあなた次第です。
頻度閾値の具体例: ある専門家は、PM2 (希少性) を劣性遺伝を持つ希少疾患のバリアントに適用したいと考えていました。人工知能は「gnomAD にはそれがない、PM2 は間違いない」と言いました。専門家が gnomAD を開いたところ、亜集団における変異の頻度が 0.8% であることがわかりました。これは、病気の蔓延を考慮すると、PM2 を除外するには十分な高さです。よくある間違いは、母集団全体の頻度に注目し、部分母集団を無視することです。
対立遺伝子頻度 (集団)
典型的な ACMG コメント
メモ
なし / 非常にまれ
PM2対応可能
部分母集団にも注目してください
病気の有病率よりも高い
BS1（良性・強）
劣性/優性の区別は重要です
5%以上
BA1 (独立した良性)
ほぼ確実に無害
5) VCF ライン制御テンプレート:
次の VCF 行をフィールドごとに説明しますが、信頼性の判断は行わないでください。ゲノム バージョン、GT (接合性)、DP、および AD フィールドを個別に解釈してください。この呼び出しが技術的に問題がある可能性があるケースをリストします。行: [貼り付け]。
要約すると
- 変形解釈は証拠に基づいています。 AI は証拠を組み立てて要約する能力に優れていますが、クラスの決定は専門家に任されています。
- あらゆる証拠 (gnomAD 頻度、ClinVar 登録、機能研究) は、一次情報源で個人的に検証する必要があります。
- ゲノムのバージョン、転写産物、および HGVS によってバリアントを修正します。検証者に確認してください。
- 証拠が不十分な場合、正直な答えは「意義不確実性 (VUS)」です。
アプリケーションタスク
バリアントの例 (ClinVar のよく知られたレコードなど) を選択します。 AI に上記のテンプレート 1 と 2 を使用して証拠フレームワークを構築させます。次に、gnomAD の頻度を開いて ClinVar が自分自身にコメントし、AI の主張と比較します。少なくとも 1 つの証拠において AI とソースとの間に違いがあるかどうかに注目し、考えられるクラスを自分で正当化します。
チェックリスト
- [ ] ゲノム バージョン、トランスクリプト、HGVS のバリアントを修正しました。
- []証明フレームワークを設定したのは私であり、最初からAIにクラスを言わせたわけではありません。
- [ ] gnomADの頻度を個人的に調べてみました。
- [ ] ClinVarの登録と最新性を確認しました。
- [ ] PubMed での機能研究の引用を確認しました。
- [ ] 証拠が不十分な場合は、ためらわずに VUS と言い、自らその決定を承認しました。