Winst:
- Vermogen om het VCF-formaat, de HGVS-notatie (c./p./g.) en ACMG-pathogeniteitscriteria te begrijpen en kunstmatige intelligentie een bewijsontwerp te laten produceren
- Mogelijkheid om elk ACMG-bewijs (populatiefrequentie, in silico, segregatie, literatuur) persoonlijk te verifiëren in bronnen zoals ClinVar en gnomAD
- Vermogen om de principes van het detecteren van de genoomversie toe te passen en systeemfouten te coördineren en de uiteindelijke classificatie van pathogeniteit niet over te laten aan kunstmatige intelligentie
Het genoom van een individu verschilt op miljoenen punten van de referentie; De meeste van deze verschillen zijn onschadelijk (“goedaardig”), enkele veroorzaken ziekten (“pathogeen”). Variantinterpretatie is de taak om te beslissen in welke klasse een verschil valt en vormt de kern van de klinische genetica. In deze unit leer je hoe je kunstmatige intelligentie (AI) kunt gebruiken als assistent voor het verzamelen, samenvatten en opstellen van bewijsmateriaal bij de interpretatie van varianten; maar u zult leren waarom de uiteindelijke beslissing over pathogeniteit altijd onderworpen moet zijn aan de goedkeuring van een deskundige.
Kritische waarschuwing eerst: vraag de AI "is deze variant pathogeen?" Vertrouw nooit het antwoord van één woord dat u vraagt. AI kan vol vertrouwen een klasse zeggen zonder bewijs; kan passen bij de populatiefrequentie van een variant, eerdere klinische gegevens of functionele onderzoeken. De juiste aanpak is om AI te gebruiken om het bewijskader op te bouwen en elk bewijsstuk persoonlijk bij de primaire bron te verifiëren.
Basisconcepten
- VCF (Variant Call Format): Standaard bestandsformaat dat varianten in een voorbeeld vermeldt; Elke lijn bevat informatie over het chromosoom, de positie, de referentiebasis, de alternatieve basis en de kwaliteit.
- HGVS-notatie: standaard schrijfformaat met varianten. C. zijn positie in de coderende sequentie, p. eiwitverandering, g. Geeft genomische locatie aan. Bijvoorbeeld NM_000546.6:c.743G>A en p.Arg248Gln.
- gnomAD: Database die variantfrequenties van honderdduizenden mensen verzamelt; Het laat zien hoe gebruikelijk een variant is in de samenleving. Veel voorkomende varianten zijn over het algemeen niet pathogeen.
- ClinVar: openbare database die klinische interpretaties van varianten verzamelt.
- ACMG/AMP-criteria: het bewijssysteem van het American College of Medical Genetics dat een variant in vijf klassen verdeelt: pathogeen, waarschijnlijk pathogeen, variant van onzekere significantie (VUS), mogelijk goedaardig, goedaardig.
ACMG-bewijscodes: een korte kaart
Het ACMG-systeem definieert bewijscodes in de pathogene richting (PVS, PS, PM, PP) en in de goedaardige richting (BA, BS, BP); Deze komen samen om de klasse te bepalen. AI kan goed uitleggen wat deze codes betekenen, maar je moet de gegevens verifiëren waarop code daadwerkelijk is geïmplementeerd.
Codeer
Betekenis (samenvatting)
Waar de bron te verifiëren
PVS1
Zeer sterk bewijs dat leidt tot functieverlies (bijv. vroegtijdige stopzetting)
Transcriptie, domein, relatie tussen genen en ziekten
PS1/PS3
Zelfde aminozuur/functioneel onderzoek als bekend pathogeen
ClinVar, collegiaal getoetst functioneel artikel
PM2
Zeer zeldzaam/niet aanwezig in populaties
gnomAD-frequentie
PP3/BP4
Computationele voorspelling in pathogene/goedaardige richting
Schattingsinstrumenten (consensus)
BA1/BS1
Frequentie te hoog om pathogeen te zijn
gnomAD-frequentie
BP6/PP5
(Niet langer aanbevolen) vertrouwen op de interpretatie van iemand anders
—
Tip: PM2 (zeldzaamheid) en BA1/BS1 (gemeenschappelijkheid) beslissingen zijn rechtstreeks gebaseerd op de gnomAD-frequentie en zijn het gemakkelijkst te verifiëren bewijsmateriaal. Bekijk eerst een variant op gnomAD; Een variant die bij meer dan 1% van de bevolking voorkomt, is hoogstwaarschijnlijk niet pathogeen.
Stap voor stap: AI-ondersteunde variantinterpretatie
1. Variant corrigeren naar standaardnotatie. Verduidelijk de genoomversie, transcriptie en HGVS-representatie. Variant van AI beide c. beide blz. beide g. en bevestig het vervolgens met een validator (zoals VariantValidator).
2. Laat de AI het bewijsraamwerk bouwen. Voor elke ACMG-code: “welke gegevens moet ik bekijken?” Laat de AI de vraag beantwoorden, maar specificeer de klasse nog niet.
3. Controleer al het bewijsmateriaal bij de primaire bron. gnomAD-frequentie, ClinVar-record, functionele studie - open en lees ze allemaal zelf. Controleer de claim "niet beschikbaar in gnomAD" van AI door ernaar te zoeken in gnomAD.
4. Combineer de codes en extraheer de klasse. Ontwerp ACMG-combinatieregels met AI; Maar laat de expert de laatste les goedkeuren.
5. Meld VUS eerlijk. Als het bewijs onvoldoende is, is de klasse "Onzekere betekenis"; Het is een vergissing om het als pathogeen of goedaardig te bestempelen.
drie minikoffers
Geval 1 — Verzonnen frequentie. Een expert vroeg AI naar de frequentie van een variant gnomAD; “0,002%”, zei de AI. Toen de expert het zelf opzocht op gnomAD, ontdekte hij dat de frequentie van de variant 1,3% was – wat betekent dat het bewijs voor BS1 (sterk in de goedaardige richting) geldig was en dat de variant hoogstwaarschijnlijk onschadelijk was. De door AI gefabriceerde lage frequentie zorgde ervoor dat de variant ten onrechte zeldzaam leek.
Geval 2 – Functioneel schijnonderzoek. Een onderzoeker wilde PS3 (functioneel bewijs) implementeren voor een variant; AI gaf een overtuigende artikelnaamregel. Toen de onderzoeker op PubMed zocht, ontdekte hij dat een dergelijk artikel niet bestond. Valse toeschrijving zou de bewijsketen doen instorten.
Geval 3 — Bevestiging verkregen. Een geneticus heeft een ‘mogelijk pathogene’ variant met AI opnieuw geëvalueerd. YZ wees op de nieuw toegevoegde tegenstrijdige opmerkingen over ClinVar; De adviseur opende ClinVar, zag dat twee laboratoria de variant op VUS hadden gedetecteerd en werkte het rapport bij. Hier hielp AI door ons te herinneren aan een update die misschien onopgemerkt was gebleven – maar nogmaals, de mens nam de beslissing.
Vier kopieerbare sjablonen
1) Een bewijskader opstellen (zonder de klas te laten vertellen):
Jouw rol: interpretatieassistent klinische variant. Zet het ACMG/AMP-bewijskader op voor de volgende variant: [genoomversie, transcript, HGVS]. Voor elke mogelijke bewijscode (PVS1, PS1-4, PM1-6, PP1-5, BA1, BS1-4, BP1-7) “welke gegevens moet ik bekijken, in welke bron, om dit toe te passen?” Schrijven. Zeg de klasse NOG niet; vermeld gewoon welke gegevens vereist zijn.
2) gnomAD/ClinVar bevestigingsplan:
Schrijf stap voor stap waar ik precies op moet letten in gnomAD en ClinVar voor de volgende variant: [variant]. Leg uit welke populatiefrequentiedrempel overeenkomt met welke ACMG-code. Jij verzint de waarden niet; vertel me waar ik het kan vinden.
3) Klassenoverzicht (door mij goedgekeurd):
Ik heb het volgende geverifieerde bewijsmateriaal gegeven: [PM2 is aanwezig, PP3 is aanwezig, BS1 is afwezig ...]. Stel de mogelijke klasse en rechtvaardiging op volgens de ACMG-combinatieregels. Zeg gerust "VUS" als het bewijs onvoldoende is. Ik zal het definitieve besluit goedkeuren.
4) Rapportconcept:
Vertaal de volgende classificatie naar een rapportparagraaf in duidelijke taal die geschikt is voor de patiënt en de arts: [variant, klasse, sleutelbewijs]. Overdrijf claims van zekerheid niet; Als er onzekerheid bestaat, vermeld dit dan duidelijk. Verwijs naar een specialist voor een klinische beslissing.
Zwakke prompt/sterke prompt
Zwak: “Is TP53 c.743G> pathogeen?”
Probleem: Geen genoomversie/transcript, geen bewijs vereist, AI kan het de klas gewoon vertellen en de frequentie verzinnen.
Strong: "Zet het ACMG-proofframework op voor GRCh38, TP53 NM_000546.6:c.743G>A (p.Arg248Gln); vertel me waar ik op moet letten in welke bron voor elke code, pas de waarde aan, stel de klasse op nadat ik deze heb gevalideerd."
Waarom het krachtig is: De context is duidelijk, het bewijspad is open, het veld van verzinsels is beperkt, de beslissing ligt in de handen van de persoon.
Veel voorkomende fouten
- Vertrouwend op het pathogeniteitsantwoord van één woord. Een bepaalde klasse zonder bewijsketen is waardeloos.
- Het niet verifiëren van de frequentie en attributie. gnomAD-frequentie en artikelcitaties kunnen worden aangepast; Open het zelf.
- VUS vermijden. Het zeggen van ‘pathogeen/goedaardig’ terwijl het bewijsmateriaal onvoldoende is, is een klinische fout.
- Genoomversie/transcript shuffelen. Onjuiste transcriptie, onjuist c. Het betekent locatie.
- ClinVar-update overslaan. Interpretaties veranderen in de loop van de tijd; Controleer het meest recente record.
Let op: het combineren van ACMG-codes is gebaseerd op regels, maar vereist deskundig oordeel; Hetzelfde bewijsmateriaal kan in verschillende contexten van genziekten een verschillend gewicht hebben. De combinatie van AI is een blauwdruk, niet het laatste woord.
Diepte: correct aflezen van een VCF-lijn en frequentiedrempels
Zelfs een enkele regel in een VCF-bestand bevat veel valkuilen. Een voorbeeldregel: 17 43091983 . G A 60 PASS AF=0,0003;DP=45 GT:AD 0/1:22,23. Je kunt de AI hier de velden laten uitleggen, maar bevestig zelf drie punten. Ten eerste, tot welke genoomversie behoort het chromosoompositiepaar? Dezelfde variant verschijnt op een andere locatie in GRCh37 en GRCh38; Zonder de versie op te geven, heeft de locatie geen betekenis. De tweede is het GT-domein (genotype): 0/1 heterozygoot, 1/1 homozygoot; Bij een recessieve ziekte is een enkele heterozygote variant alleen niet verklarend. Ten derde, DP (leesdiepte) en AD (alleldiepte): lage diepte (bijvoorbeeld DP = 8) maakt een variantoproep twijfelachtig; De techniek kan vals-positief zijn. AI legt deze velden formeel uit, maar “is deze oproep betrouwbaar?” De beslissing is aan jou.
Een concreet voorbeeld van frequentiedrempels: een deskundige wilde PM2 (zeldzaamheid) toepassen op een variant voor een zeldzame ziekte met recessieve overerving. Kunstmatige intelligentie zei: "gnomAD heeft het niet, PM2 zeker." Toen de expert gnomAD opende, ontdekte hij dat de variant een frequentie van 0,8% had in een subpopulatie – hoog genoeg om PM2 uit te sluiten, gezien de prevalentie van de ziekte. Een veelgemaakte fout is om naar de algehele populatiefrequentie te kijken en subpopulaties over te slaan.
Allelfrequentie (populatie)
Typische ACMG-opmerking
opmerking
Geen / zeer zeldzaam
Kan PM2 ondersteunen
Kijk ook naar subpopulaties
Hoger dan de ziekteprevalentie
BS1 (goedaardig sterk)
Het onderscheid recessief/dominant is belangrijk
hoger dan 5%
BA1 (onafhankelijke goedaardige)
Vrijwel zeker onschadelijk
5) VCF-lijnbesturingssjabloon:
Leg de volgende VCF-lijn veld voor veld uit, maar oordeel niet over de betrouwbaarheid: interpreteer de velden genoomversie, GT (zygositeit), DP en AD afzonderlijk. Noem gevallen waarin deze oproep technisch twijfelachtig kan zijn. Regel: [plakken].
Samengevat
- Variantinterpretatie is op bewijs gebaseerd; AI is krachtig in het kaderen en samenvatten van bewijsmateriaal, maar de klassenbeslissing is aan de expert.
- Elk bewijs (gnomAD-frequentie, ClinVar-registratie, functioneel onderzoek) moet persoonlijk worden geverifieerd bij de primaire bron.
- Corrigeer de variant per genoomversie, transcript en HGVS; Bevestig met een verificateur.
- Als het bewijs onvoldoende is, is het eerlijke antwoord ‘onzekere significantie (VUS)’.
Applicatie taak
Kies een voorbeeldvariant (bijvoorbeeld een bekende plaat van ClinVar). Laat de AI het bewijsraamwerk bouwen met sjablonen 1 en 2 hierboven. Open vervolgens de gnomAD-frequentie en ClinVar geef zelf commentaar en vergelijk ze met de AI-claims. Noteer in minimaal één bewijsstuk of er een verschil is tussen de AI en de bron en rechtvaardig zelf de mogelijke klasse.
controlelijst
- [ ] Ik heb de variant gerepareerd met genoomversie, transcript en HGVS.
- [ ] Ik heb het bewijsraamwerk opgezet, ik heb de AI niet vanaf het begin de klasse laten zeggen.
- [ ] Ik heb persoonlijk de gnomAD-frequentie gecontroleerd.
- [ ] Ik heb de ClinVar-registratie en up-to-dateheid bevestigd.
- [ ] Ik heb functionele studiecitaties geverifieerd in PubMed.
- [ ] Als het bewijs onvoldoende was, aarzelde ik niet om VUS te zeggen en keurde ik de beslissing zelf goed.