Keuntungan:
- Keupayaan untuk memahami format VCF, notasi HGVS (c./p./g.) dan kriteria patogenikiti ACMG dan mempunyai kecerdasan buatan menghasilkan draf bukti
- Keupayaan untuk mengesahkan secara peribadi setiap bukti ACMG (kekerapan populasi, dalam silico, pengasingan, kesusasteraan) dalam sumber seperti ClinVar dan gnomAD
- Keupayaan untuk menggunakan prinsip menangkap versi genom dan menyelaraskan ralat sistem dan tidak meninggalkan klasifikasi patogenisiti akhir kepada kecerdasan buatan
Genom individu berbeza daripada rujukan pada berjuta-juta mata; Kebanyakan perbezaan ini tidak berbahaya ("jinak"), beberapa menyebabkan penyakit ("patogenik"). Tafsiran varian ialah tugas untuk menentukan kelas mana perbezaan itu jatuh dan merupakan nadi genetik klinikal. Dalam unit ini, anda akan belajar cara menggunakan kecerdasan buatan (AI) sebagai pengumpulan bukti, meringkaskan dan merangka pembantu dalam tafsiran varian; tetapi anda akan mengetahui mengapa keputusan patogenikiti terakhir harus sentiasa tertakluk kepada kelulusan pakar.
Amaran kritikal dahulu: Tanya AI "adakah varian ini patogenik?" Jangan sekali-kali mempercayai jawapan satu perkataan yang anda tanya. AI dengan yakin boleh mengatakan kelas tanpa bukti; boleh memuatkan kekerapan populasi varian, rekod klinikal terdahulu atau kajian berfungsi. Pendekatan yang betul ialah menggunakan AI untuk membina rangka kerja bukti dan mengesahkan secara peribadi setiap bukti di sumber utama.
Konsep asas
- VCF (Format Panggilan Varian): Format fail standard yang menyenaraikan varian dalam sampel; Setiap baris membawa kromosom, kedudukan, pangkalan rujukan, pangkalan alternatif dan maklumat kualiti.
- Notasi HGVS: Format penulisan standard dengan varian. c. kedudukannya dalam urutan pengekodan, hlm. perubahan protein, g. Menunjukkan lokasi genomik. Contohnya NM_000546.6:c.743G>A dan p.Arg248Gln.
- gnomAD: Pangkalan data mengumpul frekuensi varian ratusan ribu orang; Ia menunjukkan betapa biasa variasi dalam masyarakat. Varian biasa biasanya tidak patogenik.
- ClinVar: Pangkalan data awam mengumpul tafsiran klinikal varian.
- Kriteria ACMG/AMP: Sistem bukti American College of Medical Genetics yang membahagikan varian kepada lima kelas: Patogenik, Kemungkinan Patogenik, Varian Kepentingan Tidak Pasti (VUS), Mungkin Benign, Benign.
Kod bukti ACMG: peta ringkas
Sistem ACMG mentakrifkan kod bukti dalam arah patogenik (PVS, PS, PM, PP) dan dalam arah jinak (BA, BS, BP); Ini bersatu untuk menentukan kelas. AI pandai menerangkan maksud kod ini, tetapi anda mesti mengesahkan data tentang kod yang sebenarnya dilaksanakan.
Kod
Maksud (ringkasan)
Di mana untuk mengesahkan sumber
PVS1
Bukti yang sangat kukuh yang membawa kepada kehilangan fungsi (cth. pemberhentian awal)
Transkrip, domain, hubungan gen-penyakit
PS1/PS3
Kajian asid amino/fungsi yang sama seperti yang diketahui patogenik
ClinVar, artikel berfungsi semakan rakan sebaya
PM2
Sangat jarang/tidak terdapat dalam populasi
kekerapan gnomAD
PP3/BP4
Ramalan pengiraan dalam arah patogenik/jinak
Alat anggaran (konsensus)
BA1/BS1
Kekerapan terlalu tinggi untuk menjadi patogen
kekerapan gnomAD
BP6/PP5
(Tidak disyorkan lagi) bergantung pada tafsiran orang lain
—
Petua: Keputusan PM2 (rarity) dan BA1/BS1 (commonness) adalah berdasarkan terus pada kekerapan gnomAD dan merupakan bukti yang paling mudah disahkan. Lihat varian dahulu pada gnomAD; Varian yang lazim dalam lebih daripada 1% populasi berkemungkinan besar tidak patogenik.
Langkah demi langkah: Tafsiran varian dibantu AI
1. Betulkan varian kepada tatatanda standard. Jelaskan versi genom, transkrip dan perwakilan HGVS. Varian daripada AI kedua-duanya c. kedua-duanya p. kedua-duanya g. , kemudian sahkan dengan pengesah (seperti VariantValidator).
2. Minta AI membina rangka kerja bukti. Untuk setiap kod ACMG, "data apakah yang perlu saya lihat?" Minta AI menjawab soalan - tetapi jangan nyatakan kelasnya lagi.
3. Sahkan sebarang bukti di sumber utama. kekerapan gnomAD, rekod ClinVar, kajian berfungsi — buka dan baca semuanya sendiri. Semak tuntutan AI "tidak tersedia dalam gnomAD" dengan mencarinya dalam gnomAD.
4. Gabungkan kod dan ekstrak kelas. Draf peraturan gabungan ACMG dengan AI; Tetapi biarkan pakar meluluskan kelas akhir.
5. Laporkan VUS dengan jujur. Jika bukti tidak mencukupi, kelas adalah "Maksud Tidak Pasti"; Adalah satu kesilapan untuk menolaknya sebagai patogen atau jinak.
tiga kes mini
Kes 1 — Kekerapan yang dibuat-buat. Seorang pakar bertanya kepada AI tentang kekerapan varian gnomAD; "0.002%," kata AI. Apabila pakar melihatnya sendiri pada gnomAD, dia mendapati bahawa kekerapan varian ialah 1.3% — bermakna bukti untuk BS1 (kuat dalam arah jinak) adalah sah dan kemungkinan besar varian itu tidak berbahaya. Frekuensi rendah rekaan AI menjadikan varian itu kelihatan jarang berlaku.
Kes 2—Kajian fungsi Syam. Seorang penyelidik ingin melaksanakan PS3 (bukti berfungsi) untuk varian; AI memberikan byline artikel yang meyakinkan. Apabila penyelidik mencari di PubMed, dia mendapati tiada artikel sedemikian. Atribusi palsu akan meruntuhkan rantaian bukti.
Kes 3 — Pengesahan diperoleh. Seorang kaunselor genetik menilai semula varian "kemungkinan patogen" dengan AI. YZ menunjukkan komen bercanggah yang baru ditambah pada ClinVar; Perunding membuka ClinVar, melihat bahawa dua makmal telah mengesan varian pada VUS, dan mengemas kini laporan. Di sini, AI membantu dengan mengingatkan kami tentang kemas kini yang mungkin tidak disedari — tetapi sekali lagi, manusia itu membuat keputusan.
Empat templat yang boleh disalin
1) Mewujudkan rangka kerja bukti (tanpa membuat kelas memberitahu):
Peranan anda: pembantu tafsiran varian klinikal. Sediakan rangka kerja bukti ACMG/AMP untuk varian berikut: [versi genom, transkrip, HGVS]. Untuk setiap kod bukti yang mungkin (PVS1, PS1-4, PM1-6, PP1-5, BA1, BS1-4, BP1-7) "data apakah yang perlu saya lihat, dalam sumber mana, untuk menggunakan ini?" tulis. Jangan sebut kelas BELUM; senaraikan sahaja data yang diperlukan.
2) pelan pengesahan gnomAD/ClinVar:
Tulis langkah demi langkah apa sebenarnya yang perlu saya cari dalam gnomAD dan ClinVar untuk varian berikut: [varian]. Terangkan ambang kekerapan populasi yang sepadan dengan kod ACMG yang mana. Anda tidak membentuk nilai; beritahu saya di mana untuk mencarinya.
3) Garis kelas (diluluskan oleh saya):
Saya memberikan bukti yang disahkan berikut: [PM2 hadir, PP3 hadir, BS1 tidak hadir ...].Draf kelas dan justifikasi yang mungkin mengikut peraturan gabungan ACMG. Jangan ragu untuk menyebut "VUS" jika bukti tidak mencukupi. Saya akan meluluskan keputusan muktamad.
4) Draf laporan:
Terjemahkan klasifikasi berikut ke dalam perenggan laporan dalam bahasa biasa yang sesuai untuk pesakit dan doktor: [varian, kelas, bukti utama]. Jangan membesar-besarkan tuntutan kepastian; jika ada ketidakpastian, nyatakan dengan jelas. Rujuk kepada pakar untuk keputusan klinikal.
Gesaan lemah / Gesaan kuat
Lemah: "Adakah TP53 c.743G>A patogenik?"
Masalah: Tiada versi/transkrip genom, tiada bukti diperlukan, AI hanya boleh memberitahu kelas dan membuat kekerapan.
Kuat: "Sediakan rangka kerja bukti ACMG untuk GRCh38, TP53 NM_000546.6:c.743G>A (p.Arg248Gln); beritahu saya perkara yang perlu dicari dalam sumber mana untuk setiap kod, pemadanan nilai, draf kelas selepas saya mengesahkannya."
Mengapa ia berkuasa: Konteksnya jelas, laluan bukti terbuka, bidang rekaan disempitkan, keputusan di tangan orang itu.
Kesilapan biasa
- Bergantung pada jawapan patogenik satu perkataan. Kelas tertentu tanpa rantaian bukti adalah tidak bernilai.
- Kegagalan untuk mengesahkan kekerapan dan atribusi. kekerapan gnomAD dan petikan artikel boleh disesuaikan; Buka sendiri.
- Mengelakkan VUS. Menyebut "patogenik/jinak" apabila bukti tidak mencukupi adalah kesilapan klinikal.
- Versi genom/pengocokan transkrip. Transkrip salah, salah c. Maksudnya lokasi.
- Melangkau kemas kini ClinVar. Tafsiran berubah mengikut masa; Semak rekod terkini.
Awas: Menggabungkan kod ACMG adalah berasaskan peraturan tetapi memerlukan pertimbangan pakar; Bukti yang sama mungkin membawa berat yang berbeza dalam konteks penyakit gen yang berbeza. Gabungan AI adalah rangka tindakan, bukan kata akhir.
Kedalaman: membaca garis VCF dan ambang kekerapan dengan betul
Malah satu baris dalam fail VCF mengandungi banyak perangkap. Satu baris contoh: 17 43091983 . G A 60 LULUS AF=0.0003;DP=45 GT:AD 0/1:22,23. Anda boleh meminta AI menerangkan medan di sini, tetapi sahkan tiga mata sendiri. Pertama, versi genom yang manakah milik pasangan kedudukan kromosom? Varian yang sama muncul di lokasi yang berbeza dalam GRCh37 dan GRCh38; Tanpa menyatakan versi, lokasi tidak bermakna. Yang kedua ialah domain GT (genotip): 0/1 heterozigot, 1/1 homozigot; Dalam penyakit resesif, satu varian heterozigot sahaja tidak dapat dijelaskan. Ketiga, DP (kedalaman baca) dan AD (kedalaman alel): kedalaman rendah (cth. DP=8) menjadikan panggilan varian boleh dipersoalkan; Teknik ini mungkin positif palsu. AI menerangkan bidang ini secara rasmi, tetapi "adakah panggilan ini boleh dipercayai?" Keputusan ditangan anda.
Contoh konkrit ambang kekerapan: seorang pakar ingin menggunakan PM2 (jarang) pada varian untuk penyakit jarang dengan pewarisan resesif. Kecerdasan buatan berkata, "gnomAD tidak memilikinya, PM2 pasti." Apabila pakar membuka gnomAD, dia mendapati bahawa varian itu mempunyai kekerapan 0.8% dalam subpopulasi — cukup tinggi untuk menolak PM2, memandangkan kelaziman penyakit itu. Kesilapan biasa ialah melihat kekerapan populasi keseluruhan dan melangkau subpopulasi.
Kekerapan alel (populasi)
Komen biasa ACMG
nota
Tiada / sangat jarang
Boleh sokong PM2
Lihat juga subpopulasi
Lebih tinggi daripada kelaziman penyakit
BS1 (jinak kuat)
Perbezaan resesif/dominan adalah penting
lebih tinggi daripada 5%
BA1 (jinak bebas)
Hampir pasti tidak berbahaya
5) Templat kawalan talian VCF:
Terangkan medan baris VCF berikut mengikut medan, tetapi jangan membuat pertimbangan kebolehpercayaan: tafsirkan medan versi genom, GT (zigositi), DP dan AD secara berasingan. Senaraikan kes di mana panggilan ini mungkin dipersoalkan secara teknikal. Baris: [tampal].
Secara ringkasnya
- Tafsiran varian adalah berasaskan bukti; AI berkuasa dalam merangka dan meringkaskan bukti, tetapi keputusan kelas terpulang kepada pakar.
- Sebarang bukti (frekuensi gnomAD, pendaftaran ClinVar, kajian berfungsi) mesti disahkan secara peribadi di sumber utama.
- Betulkan varian mengikut versi genom, transkrip dan HGVS; Sahkan dengan pengesah.
- Jika bukti tidak mencukupi, jawapan yang jujur ialah "Kepentingan Tidak Pasti (VUS)."
Tugasan permohonan
Pilih varian contoh (cth. rekod terkenal daripada ClinVar). Minta AI membina rangka kerja bukti dengan templat 1 dan 2 di atas. Kemudian buka frekuensi gnomAD dan komen ClinVar sendiri dan bandingkannya dengan tuntutan AI. Perhatikan sama ada terdapat perbezaan antara AI dan sumber dalam sekurang-kurangnya satu bukti dan wajarkan kelas yang mungkin itu sendiri.
senarai semak
- [ ] Saya membetulkan varian dengan versi genom, transkrip dan HGVS.
- [ ] Saya menyediakan rangka kerja bukti, saya tidak membuat AI mengatakan kelas dari awal.
- [ ] Saya sendiri menyemak kekerapan gnomAD.
- [ ] Saya telah mengesahkan pendaftaran ClinVar dan kemas kini.
- [ ] Saya mengesahkan petikan kajian berfungsi dalam PubMed.
- [ ] Jika bukti tidak mencukupi, saya tidak teragak-agak untuk mengatakan VUS dan meluluskan keputusan itu sendiri.