लाभ:
- VCF ढाँचा, HGVS नोटेशन (c./p./g.) र ACMG रोगजनकता मापदण्ड बुझ्ने क्षमता र कृत्रिम बुद्धि भएको प्रमाण मस्यौदा उत्पादन गर्दछ।
- ClinVar र gnomAD जस्ता स्रोतहरूमा प्रत्येक ACMG प्रमाण (जनसंख्या फ्रिक्वेन्सी, सिलिकोमा, अलगाव, साहित्य) व्यक्तिगत रूपमा प्रमाणित गर्ने क्षमता।
- जीनोम संस्करण समात्ने सिद्धान्तहरू लागू गर्ने क्षमता र प्रणाली त्रुटिहरू समन्वय गर्ने र अन्तिम रोगजनक वर्गीकरणलाई कृत्रिम बुद्धिमत्तामा नछोड्ने क्षमता।
एक व्यक्तिको जीनोम लाखौं बिन्दुहरूमा सन्दर्भबाट भिन्न हुन्छ; यी भिन्नताहरु मध्ये धेरै हानिरहित ("सौम्य"), केहि कारण रोग ("प्याथोजेनिक") छन्। भिन्नता व्याख्या भनेको भिन्नता कुन वर्गमा पर्छ र क्लिनिकल आनुवंशिकीको मुटु हो भन्ने निर्णय गर्ने कार्य हो। यस एकाइमा, तपाईंले कृत्रिम बुद्धिमत्ता (एआई) लाई प्रमाण भेला गर्ने, संक्षेप र मस्यौदा सहायकको रूपमा भेरियन्ट व्याख्यामा कसरी प्रयोग गर्ने भनेर सिक्नुहुनेछ; तर अन्तिम रोगजनकता निर्णय किन सधैं विशेषज्ञ अनुमोदनको अधीनमा हुनुपर्छ भनेर तपाईंले सिक्नुहुनेछ।
आलोचनात्मक चेतावनी पहिले: AI लाई सोध्नुहोस् "के यो संस्करण रोगजनक हो?" तपाईले सोध्नु भएको एक शब्दको जवाफमा कहिल्यै विश्वास नगर्नुहोस्। एआईले प्रमाण बिना नै क्लास भन्न सक्छ; भिन्नता, अघिल्लो क्लिनिकल रेकर्डहरू, वा कार्यात्मक अध्ययनहरूको जनसंख्या आवृत्तिमा फिट हुन सक्छ। सही दृष्टिकोण भनेको प्रमाण ढाँचा निर्माण गर्न र प्राथमिक स्रोतमा प्रमाणको प्रत्येक टुक्रा व्यक्तिगत रूपमा प्रमाणित गर्न AI प्रयोग गर्नु हो।
आधारभूत अवधारणाहरू
- VCF (भ्यारिएन्ट कल ढाँचा): मानक फाइल ढाँचा जसले नमूनामा भेरियन्टहरू सूचीबद्ध गर्दछ; प्रत्येक रेखाले क्रोमोजोम, स्थिति, सन्दर्भ आधार, वैकल्पिक आधार र गुणस्तर जानकारी बोक्छ।
- HGVS नोटेशन: संस्करणहरू सहित मानक लेखन ढाँचा। ग कोडिङ अनुक्रममा यसको स्थिति, p। प्रोटीन परिवर्तन, जी। जीनोमिक स्थान संकेत गर्दछ। उदाहरणका लागि NM_000546.6:c.743G>A र p.Arg248Gln।
- gnomAD: डाटाबेसले सयौं हजारौं मानिसहरूको भेरियन्ट फ्रिक्वेन्सीहरू सङ्कलन गर्दै; यसले समाजमा भिन्नता कति सामान्य छ भनेर देखाउँछ। सामान्य रूपहरू सामान्यतया रोगजनक हुँदैनन्।
- ClinVar: भेरियन्टहरूको क्लिनिकल व्याख्याहरू सङ्कलन गर्ने सार्वजनिक डाटाबेस।
- ACMG/AMP मापदण्ड: अमेरिकन कलेज अफ मेडिकल जेनेटिक्सको प्रमाणको प्रणाली जसले एउटा भेरियन्टलाई पाँच वर्गमा विभाजन गर्छ: रोगजनक, सम्भावित रोगजनक, अनिश्चित महत्वको भिन्नता (VUS), सम्भवतः बेनिन, बेनिन।
ACMG प्रमाण कोड: एक संक्षिप्त नक्सा
ACMG प्रणालीले रोगजनक दिशा (PVS, PS, PM, PP) र सौम्य दिशा (BA, BS, BP) मा प्रमाण कोडहरू परिभाषित गर्दछ; यी कक्षा निर्धारण गर्न एकसाथ आउँछन्। AI यी कोडहरूको अर्थ के हो भनेर व्याख्या गर्नमा राम्रो छ, तर तपाईंले वास्तवमा कुन कोडमा लागू गरिएको डेटा प्रमाणित गर्नुपर्छ।
कोड
अर्थ (सारांश)
स्रोत कहाँ प्रमाणित गर्ने
PVS1
धेरै बलियो प्रमाणले कार्यको हानि निम्त्याउँछ (जस्तै प्रारम्भिक बन्द)
ट्रान्सक्रिप्ट, डोमेन, जीन-रोग सम्बन्ध
PS1/PS3
एमिनो एसिड/कार्यात्मक अध्ययनलाई रोगजनक रूपमा चिनिन्छ
ClinVar, सहकर्मी-समीक्षा कार्यात्मक लेख
PM2
धेरै दुर्लभ / जनसंख्या मा उपस्थित छैन
gnomAD आवृत्ति
PP3/BP4
रोगजनक / सौम्य दिशा मा कम्प्यूटेशनल भविष्यवाणी
अनुमान उपकरण (सहमति)
BA1/BS1
रोगजनक हुनको लागि आवृत्ति धेरै उच्च छ
gnomAD आवृत्ति
BP6/PP5
(अब सिफारिस गरिएको छैन) अरू कसैको व्याख्यामा भर पर्दै
-
सुझाव: PM2 (दुर्लभता) र BA1/BS1 (सामान्यता) निर्णयहरू सीधा gnomAD फ्रिक्वेन्सीमा आधारित हुन्छन् र सबैभन्दा सजिलै प्रमाणित प्रमाण हुन्। gnomAD मा पहिलो संस्करण हेर्नुहोस्; जनसंख्याको 1% भन्दा बढीमा प्रचलित एक प्रकार प्रायः रोगजनक हुँदैन।
चरणबद्ध रूपमा: एआई-सहायता संस्करण व्याख्या
1. मानक नोटेशनमा संस्करण फिक्स गर्नुहोस्। जीनोम संस्करण, ट्रान्सक्रिप्ट, र HGVS प्रतिनिधित्व स्पष्ट गर्नुहोस्। AI दुवैबाट भेरियन्ट c. दुवै p। दुबै जी। , त्यसपछि प्रमाणीकरणकर्ता (जस्तै भेरिएन्टभ्यालिडेटर) सँग पुष्टि गर्नुहोस्।
2. AI लाई प्रमाण ढाँचा बनाउनुहोस्। प्रत्येक ACMG कोडको लागि, "मैले कुन डेटा हेर्नु पर्छ?" AI लाई प्रश्नको जवाफ दिनुहोस् - तर अझै कक्षा निर्दिष्ट नगर्नुहोस्।
3. प्राथमिक स्रोतमा कुनै प्रमाण प्रमाणित गर्नुहोस्। gnomAD फ्रिक्वेन्सी, ClinVar रेकर्ड, कार्यात्मक अध्ययन - ती सबै आफैं खोल्नुहोस् र पढ्नुहोस्। gnomAD मा खोजी गरेर AI को "gnomAD मा उपलब्ध छैन" दावी जाँच गर्नुहोस्।
4. कोडहरू जोड्नुहोस् र कक्षा निकाल्नुहोस्। AI सँग ACMG संयोजन नियमहरूको मस्यौदा; तर विशेषज्ञलाई अन्तिम कक्षा अनुमोदन गरौं।
5. ईमानदारीपूर्वक VUS रिपोर्ट गर्नुहोस्। यदि प्रमाण अपर्याप्त छ भने, वर्ग "अनिश्चित अर्थ" हो; यसलाई रोगजनक वा सौम्य भनेर धकेल्नु गल्ती हो।
तीन मिनी केसहरू
केस १ - मेड-अप फ्रिक्वेन्सी। एक विज्ञले एआई लाई एक संस्करण gnomAD को आवृत्ति बारे सोधे; "०.००२%," एआईले भन्यो। जब विशेषज्ञले यसलाई gnomAD मा हेरे, उनले भेरियन्टको फ्रिक्वेन्सी 1.3% थियो - जसको अर्थ BS1 (सौम्य दिशामा बलियो) को प्रमाण मान्य थियो र भेरियन्ट प्रायः हानिरहित थियो। AI को निर्मित कम फ्रिक्वेन्सीले भेरियन्टलाई झूटो रूपमा दुर्लभ देखायो।
केस २—शाम कार्यात्मक अध्ययन। एक शोधकर्ता एक संस्करण को लागी PS3 (कार्यात्मक प्रमाण) लागू गर्न चाहन्थे; AI ले एउटा प्रेरक लेख बाइलाइन दियो। जब अनुसन्धानकर्ताले पबमेडमा खोजी गरे, उनले पत्ता लगाए कि त्यहाँ त्यस्तो कुनै लेख थिएन। झूटो एट्रिब्युशनले प्रमाणको श्रृंखलालाई पतन गर्नेछ।
केस 3 - पुष्टिकरण प्राप्त भयो। आनुवंशिक सल्लाहकारले एआईसँग "सम्भवतः रोगजनक" संस्करणको पुन: मूल्याङ्कन गरे। YZ ले ClinVar मा भर्खरै थपिएका विवादास्पद टिप्पणीहरूलाई औंल्याए; परामर्शदाताले ClinVar खोले, दुई ल्याबहरूले VUS मा भेरियन्ट पत्ता लगाएको देखे, र रिपोर्ट अपडेट गरे। यहाँ, AI ले हामीलाई एक अपडेटको सम्झना गराएर मद्दत गर्यो जुन अनपेक्षित हुन सक्छ - तर फेरि, मानवले निर्णय गर्यो।
चार प्रतिलिपि गर्न मिल्ने टेम्प्लेटहरू
1) प्रमाण ढाँचा स्थापना गर्दै (वर्गलाई बताउन नदिई):
तपाईंको भूमिका: क्लिनिकल संस्करण व्याख्या सहायक। निम्न संस्करणको लागि ACMG/AMP प्रमाण ढाँचा सेटअप गर्नुहोस्: [जीनोम संस्करण, ट्रान्सक्रिप्ट, HGVS]। प्रत्येक सम्भावित प्रमाण कोडका लागि (PVS1, PS1-4, PM1-6, PP1-5, BA1, BS1-4, BP1-7) "यसलाई लागू गर्न मैले कुन स्रोतमा, कुन डेटा हेर्नु पर्छ?" लेख्नुहोस्। कक्षा अझै नभन्नुहोस्; केवल कुन डाटा आवश्यक छ सूचीबद्ध गर्नुहोस्।
२) gnomAD/ClinVar पुष्टिकरण योजना:
मैले gnomAD र ClinVar मा निम्न भेरियन्टका लागि के खोज्नु पर्छ भनेर चरण-दर-चरण लेख्नुहोस्: [variant]। कुन जनसंख्या आवृत्ति थ्रेसहोल्ड कुन ACMG कोडसँग मेल खान्छ भनेर व्याख्या गर्नुहोस्। तपाईंले मानहरू बनाउनुहुन्न; मलाई भन्नुहोस् यो कहाँ फेला पार्न।
3) कक्षा रूपरेखा (मेरो द्वारा अनुमोदित):
मैले निम्न प्रमाणित प्रमाणहरू दिएँ: [PM2 अवस्थित छ, PP3 अवस्थित छ, BS1 अनुपस्थित छ ...]। ACMG संयोजन नियमहरू अनुसार सम्भावित वर्ग र औचित्यको मस्यौदा बनाउनुहोस्। यदि प्रमाण अपर्याप्त छ भने "VUS" भन्न नहिचकिचाउनुहोस्। म अन्तिम निर्णय अनुमोदन गर्नेछु।
4) रिपोर्ट ड्राफ्ट:
निम्न वर्गीकरणलाई बिरामी र चिकित्सकको लागि उपयुक्त सादा भाषामा रिपोर्ट अनुच्छेदमा अनुवाद गर्नुहोस्: [विविध, वर्ग, मुख्य प्रमाण]। निश्चितताको दावीलाई बढाइचढाइ नगर्नुहोस्; यदि त्यहाँ अनिश्चितता छ भने, स्पष्ट रूपमा बताउनुहोस्। क्लिनिकल निर्णयको लागि विशेषज्ञलाई सन्दर्भ गर्नुहोस्।
कमजोर प्रम्प्ट / बलियो प्रम्प्ट
कमजोर: "के TP53 c.743G> एक रोगजनक हो?"
समस्या: कुनै जीनोम संस्करण/ट्रान्सक्रिप्ट छैन, कुनै प्रमाण आवश्यक छैन, AI ले कक्षालाई मात्र बताउन सक्छ र आवृत्ति बनाउन सक्छ।
बलियो: "GRCh38, TP53 NM_000546.6:c.743G>A (p.Arg248Gln) को लागि ACMG प्रमाण ढाँचा सेट अप गर्नुहोस्; प्रत्येक कोड, मान फिटिङ, मैले यसलाई प्रमाणीकरण गरेपछि कक्षाको मस्यौदाको लागि कुन स्रोतमा के हेर्ने भनेर मलाई भन्नुहोस्।"
यो किन शक्तिशाली छ: सन्दर्भ स्पष्ट छ, प्रमाणको बाटो खुला छ, बनावटको क्षेत्र साँघुरो छ, निर्णय व्यक्तिको हातमा छ।
सामान्य गल्तीहरू
- एक शब्दको रोगजनक जवाफमा भर पर्दै। प्रमाणको श्रृंखला बिना दिइएको वर्ग बेकार छ।
- फ्रिक्वेन्सी र एट्रिब्युसन प्रमाणित गर्न असफल। gnomAD आवृत्ति र लेख उद्धरणहरू अनुकूलित गर्न सकिन्छ; आफै खोल्नुहोस्।
- VUS बेवास्ता गर्दै। प्रमाण अपर्याप्त हुँदा "प्याथोजेनिक/बेनाइन" भन्नु नैदानिक त्रुटि हो।
- जीनोम संस्करण/ट्रान्सक्रिप्ट फेरबदल। गलत ट्रान्सक्रिप्ट, गलत ग। यसको अर्थ स्थान हो।
- ClinVar अद्यावधिक छोड्दै। समयसँगै व्याख्याहरू परिवर्तन हुन्छन्; सबैभन्दा हालको रेकर्ड जाँच गर्नुहोस्।
सावधानी: ACMG कोडहरू संयोजन नियम-आधारित छ तर विशेषज्ञ निर्णय आवश्यक छ; एउटै प्रमाणले विभिन्न जीन-रोग सन्दर्भहरूमा फरक वजन बोक्न सक्छ। AI को संयोजन एउटा खाका हो, अन्तिम शब्द होइन।
गहिराई: VCF लाइन र फ्रिक्वेन्सी थ्रेसहोल्डहरू सही रूपमा पढ्दै
VCF फाइलमा एकल लाइनमा पनि धेरै खाटहरू छन्। एक उदाहरण रेखा: 17 43091983। G A 60 PASS AF=0.0003;DP=45 GT:AD 0/1:22,23। तपाईं AI ले यहाँ क्षेत्रहरू व्याख्या गर्न सक्नुहुन्छ, तर आफैंले तीन अंक पुष्टि गर्नुहोस्। पहिलो, क्रोमोजोम-स्थिति जोडी कुन जीनोम संस्करणसँग सम्बन्धित छ? एउटै संस्करण GRCh37 र GRCh38 मा फरक स्थानमा देखिन्छ; संस्करण निर्दिष्ट नगरी, स्थान अर्थहीन छ। दोस्रो हो जीटी (जीनोटाइप) डोमेन: ०/१ हेटेरोजाइगस, १/१ होमोजिगस; रिसेसिभ रोगमा, एकल हेटरोजाइगस संस्करण मात्र व्याख्यात्मक हुँदैन। तेस्रो, DP (पढ्नुहोस् गहिराई) र AD (एलिल गहिराई): कम गहिराई (जस्तै DP=8) ले भिन्न कललाई शंकास्पद बनाउँछ; प्रविधि गलत सकारात्मक हुन सक्छ। AI ले यी क्षेत्रहरूलाई औपचारिक रूपमा व्याख्या गर्छ, तर "के यो कल विश्वसनीय छ?" निर्णय तपाईको हो।
फ्रिक्वेन्सी थ्रेसहोल्डको ठोस उदाहरण: एक विशेषज्ञले पीएम २ (दुर्लभता) लाई रेसेसिभ इनहेरिटेन्स भएको दुर्लभ रोगको लागि भेरियन्टमा लागू गर्न चाहन्थे। आर्टिफिसियल इन्टेलिजेन्सले भन्यो, "gnomAD सँग यो छैन, PM2 पक्का।" जब विशेषज्ञले gnomAD खोले, उनले भेरिएन्टको उप-जनसंख्यामा 0.8% फ्रिक्वेन्सी भएको पत्ता लगाए - यो रोगको व्यापकतालाई ध्यानमा राख्दै PM2 लाई अस्वीकार गर्न पर्याप्त छ। एक सामान्य गल्ती समग्र जनसंख्या आवृत्ति हेर्न र उप-जनसंख्या छोड्नु हो।
एलेल आवृत्ति (जनसंख्या)
सामान्य ACMG टिप्पणी
नोट
कुनै पनि छैन / धेरै दुर्लभ
PM2 लाई समर्थन गर्न सक्छ
उप-जनसंख्या पनि हेर्नुहोस्
रोगको प्रकोप भन्दा उच्च
BS1 (सौम्य बलियो)
रिसेसिभ/प्रभु भेद महत्त्वपूर्ण छ
५% भन्दा माथि
BA1 (स्वतन्त्र सौम्य)
लगभग निश्चित रूपमा हानिरहित
5) VCF रेखा नियन्त्रण टेम्प्लेट:
तलको VCF लाइन फिल्डलाई फिल्डद्वारा व्याख्या गर्नुहोस्, तर विश्वसनीयताको निर्णय नगर्नुहोस्: जीनोम संस्करण, GT (zygosity), DP र AD क्षेत्रहरू छुट्टाछुट्टै व्याख्या गर्नुहोस्। यो कल प्राविधिक रूपमा शंकास्पद हुन सक्ने केसहरू सूचीबद्ध गर्नुहोस्। रेखा: [पेस्ट]।
संक्षेपमा
- भिन्न व्याख्या प्रमाणमा आधारित छ; एआई प्रमाणहरू बनाउन र संक्षेप गर्नमा शक्तिशाली छ, तर वर्गको निर्णय विशेषज्ञमा निर्भर छ।
- कुनै पनि प्रमाण (gnomAD फ्रिक्वेन्सी, ClinVar दर्ता, कार्यात्मक अध्ययन) प्राथमिक स्रोतमा व्यक्तिगत रूपमा प्रमाणित हुनुपर्छ।
- जीनोम संस्करण, ट्रान्सक्रिप्ट र HGVS द्वारा संस्करण ठीक गर्नुहोस्; प्रमाणिकरणकर्तासँग पुष्टि गर्नुहोस्।
- यदि प्रमाण अपर्याप्त छ भने, इमानदार जवाफ "अनिश्चित महत्व (VUS)" हो।
आवेदन कार्य
एउटा उदाहरण भेरियन्ट छान्नुहोस् (जस्तै ClinVar बाट प्रख्यात रेकर्ड)। AI लाई माथिको टेम्प्लेट 1 र 2 को साथ प्रमाण ढाँचा बनाउनुहोस्। त्यसपछि gnomAD फ्रिक्वेन्सी खोल्नुहोस् र ClinVar आफैले टिप्पणी गर्नुहोस् र तिनीहरूलाई AI दावीहरूसँग तुलना गर्नुहोस्। कम्तिमा एक टुक्रा प्रमाणमा एआई र स्रोत बीचको भिन्नता छ कि छैन भनेर ध्यान दिनुहोस् र सम्भावित वर्ग आफैंलाई औचित्य दिनुहोस्।
चेकलिस्ट
- [ ] मैले जीनोम संस्करण, ट्रान्सक्रिप्ट र HGVS सँग भेरियन्ट फिक्स गरें।
- [ ] मैले प्रुफ फ्रेमवर्क सेटअप गरें, मैले एआईलाई सुरुदेखि नै क्लास भनिन।
- [ ] मैले व्यक्तिगत रूपमा gnomAD फ्रिक्वेन्सी जाँच गरें।
- [] मैले ClinVar दर्ता र अप-टु-डेटनेस पुष्टि गरेको छु।
- [ ] मैले PubMed मा कार्यात्मक अध्ययन उद्धरणहरू प्रमाणित गरें।
- [ ] यदि प्रमाण अपर्याप्त थियो भने, मैले VUS भन्न हिचकिचाउँदैन र निर्णय स्वीकृत गरें।