വേരിയൻ്റ് ഇൻ്റർപ്രെട്ടേഷൻ: വിസിഎഫ്, എച്ച്ജിവിഎസ് പദവി, എസിഎംജി മാനദണ്ഡം എന്നിവ പ്രകാരം രോഗകാരി

നേട്ടങ്ങൾ:

• വിസിഎഫ് ഫോർമാറ്റ്, എച്ച്ജിവിഎസ് നൊട്ടേഷൻ (സി./പി./ജി.), എസിഎംജി പാത്തോജെനിസിറ്റി മാനദണ്ഡങ്ങൾ എന്നിവ മനസിലാക്കാനും കൃത്രിമബുദ്ധി ഒരു തെളിവ് ഡ്രാഫ്റ്റ് നിർമ്മിക്കാനുമുള്ള കഴിവ്
• ClinVar, gnomAD തുടങ്ങിയ ഉറവിടങ്ങളിൽ ഓരോ ACMG തെളിവുകളും (ജനസംഖ്യ ആവൃത്തി, സിലിക്കോ, വേർതിരിക്കൽ, സാഹിത്യം) വ്യക്തിപരമായി പരിശോധിക്കാനുള്ള കഴിവ്
• ജീനോം പതിപ്പ് പിടിക്കുന്നതിനും സിസ്റ്റം പിശകുകൾ ഏകോപിപ്പിക്കുന്നതിനുമുള്ള തത്വങ്ങൾ പ്രയോഗിക്കാനുള്ള കഴിവ്, അന്തിമ രോഗകാരി വർഗ്ഗീകരണം കൃത്രിമ ബുദ്ധിയിലേക്ക് വിടാതിരിക്കുക

ഒരു വ്യക്തിയുടെ ജനിതകഘടന ദശലക്ഷക്കണക്കിന് പോയിൻ്റുകളിൽ നിന്ന് വ്യത്യസ്തമാണ്; ഈ വ്യത്യാസങ്ങളിൽ ഭൂരിഭാഗവും നിരുപദ്രവകരമാണ് ("ദോഷരഹിതം"), ചിലത് രോഗത്തിന് കാരണമാകുന്നു ("രോഗകാരി"). വ്യത്യാസം ഏത് ക്ലാസിൽ പെടുമെന്ന് തീരുമാനിക്കുന്നതിനുള്ള ചുമതലയാണ് വേരിയൻ്റ് വ്യാഖ്യാനം, അത് ക്ലിനിക്കൽ ജനിതകശാസ്ത്രത്തിൻ്റെ ഹൃദയമാണ്. ഈ യൂണിറ്റിൽ, വേരിയൻ്റ് വ്യാഖ്യാനത്തിൽ ഒരു തെളിവ് ശേഖരിക്കുന്നതിനും സംഗ്രഹിക്കുന്നതിനും ഡ്രാഫ്റ്റിംഗ് അസിസ്റ്റൻ്റായി ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് (AI) എങ്ങനെ ഉപയോഗിക്കാമെന്ന് നിങ്ങൾ പഠിക്കും; എന്നാൽ അന്തിമ രോഗനിർണയ തീരുമാനം എല്ലായ്പ്പോഴും വിദഗ്ധരുടെ അംഗീകാരത്തിന് വിധേയമാകുന്നത് എന്തുകൊണ്ടാണെന്ന് നിങ്ങൾ മനസ്സിലാക്കും.

ആദ്യം നിർണായക മുന്നറിയിപ്പ്: AI യോട് ചോദിക്കുക "ഈ വേരിയൻ്റ് രോഗകാരിയാണോ?" നിങ്ങൾ ചോദിക്കുന്ന ഒറ്റവാക്കിലുള്ള ഉത്തരം ഒരിക്കലും വിശ്വസിക്കരുത്. തെളിവുകളില്ലാതെ AI-ക്ക് ആത്മവിശ്വാസത്തോടെ ക്ലാസ് പറയാൻ കഴിയും; ഒരു വേരിയൻ്റിൻ്റെ പോപ്പുലേഷൻ ഫ്രീക്വൻസി, മുൻ ക്ലിനിക്കൽ റെക്കോർഡുകൾ അല്ലെങ്കിൽ ഫങ്ഷണൽ പഠനങ്ങൾ എന്നിവയ്ക്ക് അനുയോജ്യമാകും. തെളിവുകളുടെ ചട്ടക്കൂട് നിർമ്മിക്കുന്നതിനും പ്രാഥമിക ഉറവിടത്തിൽ ഓരോ തെളിവുകളും വ്യക്തിപരമായി പരിശോധിക്കുന്നതിനും AI ഉപയോഗിക്കുന്നതാണ് ശരിയായ സമീപനം.

അടിസ്ഥാന ആശയങ്ങൾ

• VCF (വേരിയൻ്റ് കോൾ ഫോർമാറ്റ്): ഒരു സാമ്പിളിൽ വേരിയൻ്റുകൾ ലിസ്റ്റ് ചെയ്യുന്ന സ്റ്റാൻഡേർഡ് ഫയൽ ഫോർമാറ്റ്; ഓരോ വരിയും ക്രോമസോം, സ്ഥാനം, റഫറൻസ് ബേസ്, ഇതര അടിസ്ഥാനം, ഗുണനിലവാര വിവരങ്ങൾ എന്നിവ ഉൾക്കൊള്ളുന്നു.
• HGVS നൊട്ടേഷൻ: വേരിയൻ്റുകളുള്ള സ്റ്റാൻഡേർഡ് റൈറ്റിംഗ് ഫോർമാറ്റ്. സി. കോഡിംഗ് ക്രമത്തിൽ അതിൻ്റെ സ്ഥാനം, പി. പ്രോട്ടീൻ മാറ്റം, ജി. ജനിതക സ്ഥാനം സൂചിപ്പിക്കുന്നു. ഉദാഹരണത്തിന് NM_000546.6:c.743G>A, p.Arg248Gln.
• gnomAD: ലക്ഷക്കണക്കിന് ആളുകളുടെ വേരിയൻ്റ് ഫ്രീക്വൻസികൾ ശേഖരിക്കുന്ന ഡാറ്റാബേസ്; സമൂഹത്തിൽ ഒരു വകഭേദം എത്ര സാധാരണമാണെന്ന് ഇത് കാണിക്കുന്നു. സാധാരണ വകഭേദങ്ങൾ പൊതുവെ രോഗകാരിയല്ല.
• ClinVar: വേരിയൻ്റുകളുടെ ക്ലിനിക്കൽ വ്യാഖ്യാനങ്ങൾ ശേഖരിക്കുന്ന പൊതു ഡാറ്റാബേസ്.
• ACMG/AMP മാനദണ്ഡം: അമേരിക്കൻ കോളേജ് ഓഫ് മെഡിക്കൽ ജനറ്റിക്‌സിൻ്റെ തെളിവ് സിസ്റ്റം, ഒരു വകഭേദത്തെ അഞ്ച് ക്ലാസുകളായി വിഭജിക്കുന്നു: രോഗകാരി, സാധ്യതയുള്ള രോഗകാരി, അനിശ്ചിത പ്രാധാന്യത്തിൻ്റെ വേരിയൻ്റ് (VUS), ഒരുപക്ഷേ ദോഷകരവും ദോഷകരവുമാണ്.

ACMG തെളിവ് കോഡുകൾ: ഒരു ഹ്രസ്വ മാപ്പ്

ACMG സിസ്റ്റം രോഗകാരിയായ ദിശയിലും (PVS, PS, PM, PP) നല്ല ദിശയിലും (BA, BS, BP) തെളിവ് കോഡുകൾ നിർവചിക്കുന്നു; ക്ലാസ് നിർണ്ണയിക്കാൻ ഇവ ഒന്നിച്ചു ചേരുന്നു. ഈ കോഡുകൾ എന്താണ് അർത്ഥമാക്കുന്നത് എന്ന് വിശദീകരിക്കുന്നതിൽ AI മികച്ചതാണ്, എന്നാൽ ഏത് കോഡാണ് യഥാർത്ഥത്തിൽ നടപ്പിലാക്കിയതെന്ന് നിങ്ങൾ പരിശോധിക്കണം.

കോഡ്

അർത്ഥം (സംഗ്രഹം)

ഉറവിടം എവിടെയാണ് പരിശോധിക്കേണ്ടത്

പിവിഎസ്1

പ്രവർത്തനം നഷ്ടപ്പെടുന്നതിലേക്ക് നയിക്കുന്ന വളരെ ശക്തമായ തെളിവുകൾ (ഉദാ. നേരത്തെ നിർത്തലാക്കൽ)

ട്രാൻസ്ക്രിപ്റ്റ്, ഡൊമെയ്ൻ, ജീൻ-ഡിസീസ് ബന്ധം

PS1/PS3

അറിയപ്പെടുന്ന രോഗകാരിയായ അതേ അമിനോ ആസിഡ്/ഫങ്ഷണൽ പഠനം

ClinVar, പിയർ അവലോകനം ചെയ്ത ഫങ്ഷണൽ ലേഖനം

PM2

ജനസംഖ്യയിൽ വളരെ അപൂർവം/ഇല്ല

gnomAD ആവൃത്തി

PP3/BP4

രോഗകാരിയായ/നല്ല ദിശയിലുള്ള കമ്പ്യൂട്ടേഷണൽ പ്രവചനം

എസ്റ്റിമേഷൻ ടൂളുകൾ (സമവായം)

BA1/BS1

രോഗകാരിയാകാൻ കഴിയാത്തത്ര ഉയർന്ന ആവൃത്തി

gnomAD ആവൃത്തി

BP6/PP5

(ഇനി ശുപാർശ ചെയ്യുന്നില്ല) മറ്റൊരാളുടെ വ്യാഖ്യാനത്തെ ആശ്രയിക്കുന്നു

—

നുറുങ്ങ്: PM2 (അപൂർവത), BA1/BS1 (സാധാരണ) തീരുമാനങ്ങൾ നേരിട്ട് gnomAD ആവൃത്തിയെ അടിസ്ഥാനമാക്കിയുള്ളവയാണ്, അവ ഏറ്റവും എളുപ്പത്തിൽ പരിശോധിച്ചുറപ്പിച്ച തെളിവുകളുമാണ്. gnomAD-ൽ ആദ്യം ഒരു വേരിയൻ്റ് കാണുക; ജനസംഖ്യയുടെ 1%-ത്തിലധികം ആളുകളിൽ പ്രചാരത്തിലുള്ള ഒരു വകഭേദം മിക്കവാറും രോഗകാരിയല്ല.

ഘട്ടം ഘട്ടമായി: AI- സഹായത്തോടെയുള്ള വേരിയൻ്റ് വ്യാഖ്യാനം

1. സ്റ്റാൻഡേർഡ് നൊട്ടേഷനിലേക്ക് വേരിയൻ്റ് ശരിയാക്കുക. ജീനോം പതിപ്പ്, ട്രാൻസ്ക്രിപ്റ്റ്, HGVS പ്രാതിനിധ്യം എന്നിവ വ്യക്തമാക്കുക. AI രണ്ടും സി. രണ്ടും പി. രണ്ടും ജി. , തുടർന്ന് അത് ഒരു വാലിഡേറ്റർ ഉപയോഗിച്ച് സ്ഥിരീകരിക്കുക (VariantValidator പോലെ).

2. തെളിവുകളുടെ ചട്ടക്കൂട് നിർമ്മിക്കാൻ AI-യെ അനുവദിക്കുക. ഓരോ ACMG കോഡിനും, "ഞാൻ എന്ത് ഡാറ്റയാണ് നോക്കേണ്ടത്?" ചോദ്യത്തിന് AI ഉത്തരം നൽകട്ടെ - എന്നാൽ ഇതുവരെ ക്ലാസ് വ്യക്തമാക്കരുത്.

3. പ്രാഥമിക ഉറവിടത്തിൽ ഏതെങ്കിലും തെളിവുകൾ പരിശോധിക്കുക. gnomAD ഫ്രീക്വൻസി, ClinVar റെക്കോർഡ്, ഫങ്ഷണൽ പഠനം — അവയെല്ലാം സ്വയം തുറന്ന് വായിക്കുക. AI-യുടെ "gnomAD-ൽ ലഭ്യമല്ല" എന്ന ക്ലെയിം gnomAD-ൽ തിരഞ്ഞുകൊണ്ട് പരിശോധിക്കുക.

4. കോഡുകൾ സംയോജിപ്പിച്ച് ക്ലാസ് എക്‌സ്‌ട്രാക്‌റ്റ് ചെയ്യുക. AI-യുമായുള്ള ACMG കോമ്പിനേഷൻ നിയമങ്ങളുടെ കരട്; എന്നാൽ വിദഗ്‌ദ്ധൻ അന്തിമ ക്ലാസിന് അംഗീകാരം നൽകട്ടെ.

5. സത്യസന്ധമായി VUS റിപ്പോർട്ട് ചെയ്യുക. തെളിവുകൾ അപര്യാപ്തമാണെങ്കിൽ, ക്ലാസ് "അനിശ്ചിത അർത്ഥം" ആണ്; ഇത് രോഗകാരിയോ ദോഷകരമോ ആയി തള്ളുന്നത് തെറ്റാണ്.

മൂന്ന് മിനി കേസുകൾ

കേസ് 1 - നിർമ്മിച്ച ഫ്രീക്വൻസി. ഒരു വിദഗ്‌ദ്ധൻ AI-യോട് ഒരു വേരിയൻ്റ് gnomAD-ൻ്റെ ആവൃത്തിയെക്കുറിച്ച് ചോദിച്ചു; “0.002%,” AI പറഞ്ഞു. വിദഗ്‌ദ്ധൻ അത് gnomAD-ൽ തന്നെ പരിശോധിച്ചപ്പോൾ, വേരിയൻ്റിൻ്റെ ആവൃത്തി 1.3% ആണെന്ന് അദ്ദേഹം കണ്ടെത്തി - അതായത് BS1 ൻ്റെ തെളിവുകൾ (നല്ല ദിശയിൽ ശക്തമായത്) സാധുതയുള്ളതും വേരിയൻ്റ് മിക്കവാറും നിരുപദ്രവകരവുമാണ്. AI യുടെ കെട്ടിച്ചമച്ച കുറഞ്ഞ ആവൃത്തി വേരിയൻ്റിനെ തെറ്റായി അപൂർവ്വമായി കാണിച്ചു.

കേസ് 2-ഷാം ഫങ്ഷണൽ പഠനം. ഒരു വേരിയൻ്റിനായി PS3 (ഫംഗ്ഷണൽ പ്രൂഫ്) നടപ്പിലാക്കാൻ ഒരു ഗവേഷകൻ ആഗ്രഹിച്ചു; AI അനുനയിപ്പിക്കുന്ന ഒരു ലേഖനം ബൈലൈൻ നൽകി. ഗവേഷകൻ പബ്മെഡിൽ തിരഞ്ഞപ്പോൾ, അത്തരമൊരു ലേഖനം ഇല്ലെന്ന് കണ്ടെത്തി. തെറ്റായ ആട്രിബ്യൂഷൻ തെളിവുകളുടെ ശൃംഖലയെ തകർക്കും.

കേസ് 3 - സ്ഥിരീകരണം ലഭിച്ചു. ഒരു ജനിതക കൗൺസിലർ AI ഉപയോഗിച്ച് "ഒരുപക്ഷേ രോഗകാരി" വേരിയൻ്റിനെ വീണ്ടും വിലയിരുത്തി. ClinVar-ൽ പുതുതായി ചേർത്ത വൈരുദ്ധ്യമുള്ള അഭിപ്രായങ്ങൾ YZ ചൂണ്ടിക്കാട്ടി; കൺസൾട്ടൻ്റ് ClinVar തുറന്നു, VUS-ൽ രണ്ട് ലാബുകൾ വേരിയൻ്റ് കണ്ടെത്തിയതായി കണ്ടു, റിപ്പോർട്ട് അപ്ഡേറ്റ് ചെയ്തു. ഇവിടെ, ശ്രദ്ധിക്കപ്പെടാതെ പോയേക്കാവുന്ന ഒരു അപ്‌ഡേറ്റിനെക്കുറിച്ച് ഓർമ്മിപ്പിച്ചുകൊണ്ട് AI സഹായിച്ചു - എന്നാൽ വീണ്ടും, മനുഷ്യൻ തീരുമാനമെടുത്തു.

പകർത്താവുന്ന നാല് ടെംപ്ലേറ്റുകൾ

1) ഒരു തെളിവ് ചട്ടക്കൂട് സ്ഥാപിക്കൽ (ക്ലാസ് പറയാതെ):

നിങ്ങളുടെ റോൾ: ക്ലിനിക്കൽ വേരിയൻ്റ് ഇൻ്റർപ്രെറ്റേഷൻ അസിസ്റ്റൻ്റ്. ഇനിപ്പറയുന്ന വേരിയൻ്റിനായി ACMG/AMP തെളിവ് ചട്ടക്കൂട് സജ്ജീകരിക്കുക: [ജീനോം പതിപ്പ്, ട്രാൻസ്ക്രിപ്റ്റ്, HGVS]. സാധ്യമായ ഓരോ തെളിവ് കോഡിനും (PVS1, PS1-4, PM1-6, PP1-5, BA1, BS1-4, BP1-7) "ഇത് പ്രയോഗിക്കുന്നതിന് ഞാൻ എന്ത് ഡാറ്റയാണ് നോക്കേണ്ടത്, ഏത് ഉറവിടത്തിലാണ്?" എഴുതുക. ക്ലാസ് ഇതുവരെ പറയരുത്; ആവശ്യമായ ഡാറ്റ ലിസ്റ്റ് ചെയ്യുക.

2) gnomAD/ClinVar സ്ഥിരീകരണ പദ്ധതി:

ഇനിപ്പറയുന്ന വേരിയൻ്റിനായി gnomAD, ClinVar എന്നിവയിൽ ഞാൻ കൃത്യമായി എന്താണ് തിരയേണ്ടതെന്ന് ഘട്ടം ഘട്ടമായി എഴുതുക: [variant]. ഏത് പോപ്പുലേഷൻ ഫ്രീക്വൻസി ത്രെഷോൾഡ് ഏത് ACMG കോഡുമായി പൊരുത്തപ്പെടുന്നുവെന്ന് വിശദീകരിക്കുക. നിങ്ങൾ മൂല്യങ്ങൾ ഉണ്ടാക്കുന്നില്ല; അത് എവിടെ കണ്ടെത്താമെന്ന് എന്നോട് പറയുക.

3) ക്ലാസ് ഔട്ട്‌ലൈൻ (ഞാൻ അംഗീകരിച്ചത്):

ഞാൻ ഇനിപ്പറയുന്ന സ്ഥിരീകരിച്ച തെളിവുകൾ നൽകി: [PM2 നിലവിലുണ്ട്, PP3 ഉണ്ട്, BS1 ഇല്ല ...]. ACMG കോമ്പിനേഷൻ നിയമങ്ങൾ അനുസരിച്ച് സാധ്യമായ ക്ലാസും ന്യായീകരണവും ഡ്രാഫ്റ്റ് ചെയ്യുക. തെളിവുകൾ അപര്യാപ്തമാണെങ്കിൽ "VUS" എന്ന് പറയാൻ മടിക്കേണ്ടതില്ല. അന്തിമ തീരുമാനം ഞാൻ അംഗീകരിക്കും.

4) റിപ്പോർട്ട് ഡ്രാഫ്റ്റ്:

ഇനിപ്പറയുന്ന വർഗ്ഗീകരണം രോഗിക്കും വൈദ്യനും അനുയോജ്യമായ പ്ലെയിൻ ഭാഷയിൽ ഒരു റിപ്പോർട്ട് ഖണ്ഡികയിലേക്ക് വിവർത്തനം ചെയ്യുക: [വേരിയൻ്റ്, ക്ലാസ്, പ്രധാന തെളിവ്]. ഉറപ്പുള്ള അവകാശവാദങ്ങൾ പെരുപ്പിച്ചു കാണിക്കരുത്; അനിശ്ചിതത്വമുണ്ടെങ്കിൽ, അത് വ്യക്തമായി പറയുക. ക്ലിനിക്കൽ തീരുമാനത്തിനായി സ്പെഷ്യലിസ്റ്റിനെ സമീപിക്കുക.

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായത്: "TP53 c.743G> ഒരു രോഗകാരിയാണോ?"

പ്രശ്‌നം: ജീനോം പതിപ്പ്/ട്രാൻസ്‌ക്രിപ്റ്റ് ഇല്ല, തെളിവുകളൊന്നും ആവശ്യമില്ല, AI-ന് ക്ലാസ്സിനോട് പറയാനും ആവൃത്തി ഉണ്ടാക്കാനും കഴിയും.

ശക്തമായത്: "GRCh38, TP53 NM_000546.6:c.743G>A (p.Arg248Gln) എന്നതിനായി ACMG പ്രൂഫ് ഫ്രെയിംവർക്ക് സജ്ജീകരിക്കുക; ഓരോ കോഡിനും ഏത് ഉറവിടത്തിലാണ് എന്താണ് തിരയേണ്ടതെന്ന് എന്നോട് പറയുക, മൂല്യം ഫിറ്റിംഗ്, ഞാൻ അത് സാധൂകരിച്ചതിന് ശേഷം ക്ലാസ് ഡ്രാഫ്റ്റ് ചെയ്യുക."

എന്തുകൊണ്ട് അത് ശക്തമാണ്: സന്ദർഭം വ്യക്തമാണ്, തെളിവുകളുടെ പാത തുറന്നിരിക്കുന്നു, കെട്ടിച്ചമച്ച മേഖല ഇടുങ്ങിയതാണ്, തീരുമാനം വ്യക്തിയുടെ കൈകളിലാണ്.

സാധാരണ തെറ്റുകൾ

• ഒറ്റവാക്കിൽ രോഗബാധയുള്ള ഉത്തരത്തെ ആശ്രയിക്കുന്നു. തെളിവുകളുടെ ഒരു ശൃംഖലയില്ലാതെ നൽകിയിരിക്കുന്ന ക്ലാസ് വിലപ്പോവില്ല.
• ആവൃത്തിയും ആട്രിബ്യൂഷനും പരിശോധിക്കുന്നതിൽ പരാജയം. gnomAD ആവൃത്തിയും ലേഖന ഉദ്ധരണികളും പൊരുത്തപ്പെടുത്താവുന്നതാണ്; അത് സ്വയം തുറക്കുക.
• VUS ഒഴിവാക്കുന്നു. തെളിവുകൾ അപര്യാപ്തമാകുമ്പോൾ "രോഗകാരി / ദോഷകരമല്ല" എന്ന് പറയുന്നത് ഒരു ക്ലിനിക്കൽ പിശകാണ്.
• ജീനോം പതിപ്പ്/ട്രാൻസ്ക്രിപ്റ്റ് ഷഫിൾ ചെയ്യൽ. തെറ്റായ ട്രാൻസ്ക്രിപ്റ്റ്, തെറ്റായ സി. സ്ഥാനം എന്നാണ് അർത്ഥം.
• ClinVar അപ്‌ഡേറ്റ് ഒഴിവാക്കുന്നു. വ്യാഖ്യാനങ്ങൾ കാലത്തിനനുസരിച്ച് മാറുന്നു; ഏറ്റവും നിലവിലെ റെക്കോർഡ് പരിശോധിക്കുക.

മുൻകരുതൽ: ACMG കോഡുകൾ സംയോജിപ്പിക്കുന്നത് റൂൾ അധിഷ്ഠിതമാണ്, എന്നാൽ വിദഗ്ദ വിധി ആവശ്യമാണ്; ഒരേ തെളിവുകൾ വ്യത്യസ്ത ജീൻ-ഡിസീസ് സന്ദർഭങ്ങളിൽ വ്യത്യസ്ത ഭാരം വഹിക്കുന്നു. AI-യുടെ സംയോജനം ഒരു ബ്ലൂപ്രിൻ്റ് ആണ്, അവസാന വാക്കല്ല.

ആഴം: ഒരു വിസിഎഫ് ലൈനും ഫ്രീക്വൻസി ത്രെഷോൾഡുകളും ശരിയായി വായിക്കുന്നു

ഒരു വിസിഎഫ് ഫയലിലെ ഒരു വരിയിൽ പോലും നിരവധി കുഴപ്പങ്ങൾ അടങ്ങിയിരിക്കുന്നു. ഒരു ഉദാഹരണ വരി: 17 43091983 . G A 60 PASS AF=0.0003;DP=45 GT:AD 0/1:22,23. നിങ്ങൾക്ക് AI ഇവിടെ ഫീൽഡുകൾ വിശദീകരിക്കാൻ കഴിയും, എന്നാൽ മൂന്ന് പോയിൻ്റുകൾ സ്വയം സ്ഥിരീകരിക്കുക. ആദ്യം, ക്രോമസോം-സ്ഥാന ജോഡി ഏത് ജീനോം പതിപ്പിൽ പെടുന്നു? GRCh37, GRCh38 എന്നിവയിൽ ഒരേ വേരിയൻ്റ് മറ്റൊരു സ്ഥലത്ത് ദൃശ്യമാകുന്നു; പതിപ്പ് വ്യക്തമാക്കാതെ, സ്ഥാനം അർത്ഥശൂന്യമാണ്. രണ്ടാമത്തേത് GT (ജീനോടൈപ്പ്) ഡൊമെയ്‌നാണ്: 0/1 ഹെറ്ററോസൈഗസ്, 1/1 ഹോമോസൈഗസ്; ഒരു മാന്ദ്യ രോഗത്തിൽ, ഒരൊറ്റ ഹെറ്ററോസൈഗസ് വേരിയൻ്റ് മാത്രം വിശദീകരണമല്ല. മൂന്നാമത്, ഡിപി (റീഡ് ഡെപ്ത്), എഡി (അലീൽ ഡെപ്ത്): കുറഞ്ഞ ഡെപ്ത് (ഉദാ. ഡിപി=8) ഒരു വേരിയൻ്റ് കോളിനെ സംശയാസ്പദമാക്കുന്നു; സാങ്കേതികത തെറ്റായ പോസിറ്റീവ് ആയിരിക്കാം. AI ഈ ഫീൽഡുകൾ ഔപചാരികമായി വിശദീകരിക്കുന്നു, എന്നാൽ "ഈ കോൾ വിശ്വസനീയമാണോ?" തീരുമാനം നിങ്ങളുടേതാണ്.

ഫ്രീക്വൻസി ത്രെഷോൾഡുകളുടെ ഒരു മൂർത്തമായ ഉദാഹരണം: ഒരു വിദഗ്‌ദ്ധൻ പിഎം2 (അപൂർവത) മാന്ദ്യമുള്ള പാരമ്പര്യമുള്ള ഒരു അപൂർവ രോഗത്തിന് വേണ്ടി പ്രയോഗിക്കാൻ ആഗ്രഹിച്ചു. ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് പറഞ്ഞു, "gnomAD ഇല്ല, PM2 ഉറപ്പാണ്." വിദഗ്‌ദ്ധൻ gnomAD തുറന്നപ്പോൾ, ഒരു ഉപജനസംഖ്യയിൽ വേരിയൻ്റിന് 0.8% ആവൃത്തി ഉണ്ടെന്ന് അദ്ദേഹം കണ്ടെത്തി - രോഗത്തിൻ്റെ വ്യാപനം കണക്കിലെടുത്ത് PM2 തള്ളിക്കളയാൻ പര്യാപ്തമാണ്. മൊത്തത്തിലുള്ള ജനസംഖ്യാ ആവൃത്തി നോക്കുകയും ഉപജനസംഖ്യ ഒഴിവാക്കുകയും ചെയ്യുക എന്നതാണ് ഒരു സാധാരണ തെറ്റ്.

അല്ലീൽ ആവൃത്തി (ജനസംഖ്യ)

സാധാരണ ACMG അഭിപ്രായം

കുറിപ്പ്

ഒന്നുമില്ല / വളരെ അപൂർവ്വം

PM2 പിന്തുണയ്ക്കാൻ കഴിയും

ഉപജനസംഖ്യയും നോക്കുക

രോഗ വ്യാപനത്തേക്കാൾ കൂടുതലാണ്

BS1 (നല്ല ശക്തമായ)

മാന്ദ്യം/ആധിപത്യ വ്യത്യാസം പ്രധാനമാണ്

5% ൽ കൂടുതൽ

BA1 (സ്വതന്ത്ര ഗുണം)

മിക്കവാറും നിരുപദ്രവകരമാണ്

5) VCF ലൈൻ നിയന്ത്രണ ടെംപ്ലേറ്റ്:

ഇനിപ്പറയുന്ന VCF ലൈൻ ഫീൽഡ് ഫീൽഡ് പ്രകാരം വിശദീകരിക്കുക, എന്നാൽ ഒരു വിശ്വാസ്യത വിലയിരുത്തൽ നടത്തരുത്: ജീനോം പതിപ്പ്, GT (zygosity), DP, AD ഫീൽഡുകൾ പ്രത്യേകം വ്യാഖ്യാനിക്കുക. ഈ കോൾ സാങ്കേതികമായി സംശയാസ്പദമായേക്കാവുന്ന കേസുകൾ ലിസ്റ്റ് ചെയ്യുക. വരി: [ഒട്ടിക്കുക].

ചുരുക്കത്തിൽ

• വേരിയൻ്റ് വ്യാഖ്യാനം തെളിവുകളെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്; തെളിവുകൾ രൂപപ്പെടുത്തുന്നതിലും സംഗ്രഹിക്കുന്നതിലും AI ശക്തമാണ്, എന്നാൽ ക്ലാസ് തീരുമാനം വിദഗ്ദ്ധനാണ്.
• ഏതെങ്കിലും തെളിവുകൾ (gnomAD ഫ്രീക്വൻസി, ClinVar രജിസ്ട്രേഷൻ, ഫങ്ഷണൽ പഠനം) പ്രാഥമിക ഉറവിടത്തിൽ വ്യക്തിപരമായി പരിശോധിച്ചുറപ്പിച്ചിരിക്കണം.
• ജീനോം പതിപ്പ്, ട്രാൻസ്ക്രിപ്റ്റ്, HGVS എന്നിവ പ്രകാരം വേരിയൻ്റ് ശരിയാക്കുക; ഒരു വെരിഫയർ ഉപയോഗിച്ച് സ്ഥിരീകരിക്കുക.
• തെളിവുകൾ അപര്യാപ്തമാണെങ്കിൽ, സത്യസന്ധമായ ഉത്തരം "അനിശ്ചിത പ്രാധാന്യം (VUS)" എന്നാണ്.

ആപ്ലിക്കേഷൻ ടാസ്ക്

ഒരു ഉദാഹരണ വേരിയൻ്റ് തിരഞ്ഞെടുക്കുക (ഉദാ. ClinVar-ൽ നിന്നുള്ള അറിയപ്പെടുന്ന റെക്കോർഡ്). മുകളിലുള്ള 1, 2 ടെംപ്ലേറ്റുകൾ ഉപയോഗിച്ച് തെളിവ് ചട്ടക്കൂട് നിർമ്മിക്കാൻ AI-യെ അനുവദിക്കുക. തുടർന്ന് gnomAD ഫ്രീക്വൻസി തുറന്ന് ClinVar സ്വയം അഭിപ്രായമിടുകയും അവയെ AI ക്ലെയിമുകളുമായി താരതമ്യം ചെയ്യുകയും ചെയ്യുക. കുറഞ്ഞത് ഒരു തെളിവിലെങ്കിലും AI-യും ഉറവിടവും തമ്മിൽ വ്യത്യാസമുണ്ടോ എന്ന് ശ്രദ്ധിക്കുകയും സാധ്യമായ ക്ലാസിനെ സ്വയം ന്യായീകരിക്കുകയും ചെയ്യുക.

ചെക്ക്ലിസ്റ്റ്

• [ ] ഞാൻ ജീനോം പതിപ്പ്, ട്രാൻസ്ക്രിപ്റ്റ്, HGVS എന്നിവ ഉപയോഗിച്ച് വേരിയൻ്റ് ശരിയാക്കി.
• [ ] ഞാൻ പ്രൂഫ് ഫ്രെയിംവർക്ക് സജ്ജീകരിച്ചു, തുടക്കം മുതൽ AI യെ ക്ലാസ് എന്ന് പറയാൻ ഞാൻ പ്രേരിപ്പിച്ചില്ല.
• [ ] ഞാൻ വ്യക്തിപരമായി gnomAD ആവൃത്തി പരിശോധിച്ചു.
• [ ] ഞാൻ ClinVar രജിസ്ട്രേഷനും കാലികതയും സ്ഥിരീകരിച്ചു.
• [ ] ഞാൻ പബ്മെഡിലെ പ്രവർത്തനപരമായ പഠന ഉദ്ധരണികൾ പരിശോധിച്ചു.
• [ ] തെളിവുകൾ അപര്യാപ്തമാണെങ്കിൽ, VUS എന്ന് പറയാൻ ഞാൻ മടിച്ചില്ല, തീരുമാനം സ്വയം അംഗീകരിക്കുകയും ചെയ്തു.