Gevinster:
- Evne til å forstå VCF-formatet, HGVS-notasjon (c./p./g.) og ACMG-patogenisitetskriterier og la kunstig intelligens produsere et bevisutkast
- Evne til å personlig verifisere hvert ACMG-bevis (populasjonsfrekvens, i silico, segregering, litteratur) i kilder som ClinVar og gnomAD
- Evne til å anvende prinsippene for å fange genomversjon og koordinere systemfeil og ikke overlate den endelige patogenisitetsklassifiseringen til kunstig intelligens
Et individs genom skiller seg fra referansen på millioner av punkter; De fleste av disse forskjellene er ufarlige ("godartede"), noen få forårsaker sykdom ("patogen"). Varianttolkning er oppgaven med å avgjøre hvilken klasse en forskjell faller inn i og er hjertet av klinisk genetikk. I denne enheten vil du lære hvordan du bruker kunstig intelligens (AI) som en bevisinnsamlings-, oppsummerings- og utkastassistent i varianttolkning; men du vil lære hvorfor den endelige patogenisitetsbeslutningen alltid bør være underlagt ekspertgodkjenning.
Kritisk advarsel først: Spør AI "er denne varianten patogen?" Stol aldri på svaret på ett ord du spør. AI kan trygt si en klasse uten bevis; kan passe til populasjonsfrekvensen til en variant, tidligere kliniske registreringer eller funksjonsstudier. Den riktige tilnærmingen er å bruke AI til å bygge bevisrammeverket og personlig verifisere hvert bevis ved primærkilden.
Grunnleggende konsepter
- VCF (Variant Call Format): Standard filformat som viser varianter i en prøve; Hver linje har informasjon om kromosom, posisjon, referansebase, alternativ base og kvalitetsinformasjon.
- HGVS-notasjon: Standard skriveformat med varianter. c. sin plassering i kodingssekvensen, s. proteinforandring, g. Indikerer genomisk plassering. For eksempel NM_000546.6:c.743G>A og p.Arg248Gln.
- gnomAD: Database som samler inn varianter av frekvenser for hundretusenvis av mennesker; Det viser hvor vanlig en variant er i samfunnet. Vanlige varianter er generelt ikke patogene.
- ClinVar: Offentlig database som samler kliniske tolkninger av varianter.
- ACMG/AMP-kriterier: American College of Medical Genetics sitt bevissystem som deler en variant inn i fem klasser: Pathogenic, Likely Pathogenic, Variant of Uncertain Significance (VUS), Possibly Benign, Benign.
ACMG beviskoder: et kort kart
ACMG-systemet definerer beviskoder i patogen retning (PVS, PS, PM, PP) og i godartet retning (BA, BS, BP); Disse kommer sammen for å bestemme klassen. AI er flink til å forklare hva disse kodene betyr, men du må bekrefte dataene på hvilken kode som faktisk er implementert.
Kode
Betydning (sammendrag)
Hvor skal kilden bekreftes
PVS1
Svært sterke bevis som fører til tap av funksjon (f.eks. tidlig seponering)
Transkripsjon, domene, gen-sykdom forhold
PS1/PS3
Samme aminosyre/funksjonell studie som kjent patogen
ClinVar, fagfellevurdert funksjonell artikkel
PM2
Svært sjelden/ikke til stede i populasjoner
GnomAD frekvens
PP3/BP4
Beregningsprediksjon i patogen/godartet retning
Estimeringsverktøy (konsensus)
BA1/BS1
Frekvensen er for høy til å være patogen
GnomAD frekvens
BP6/PP5
(Anbefales ikke lenger) å stole på andres tolkning
—
Tips: PM2 (sjeldenhet) og BA1/BS1 (fellesskap) avgjørelser er basert direkte på gnomAD-frekvens og er det lettest verifiserte beviset. Se en variant først på gnomAD; En variant som er utbredt i mer enn 1 % av befolkningen er mest sannsynlig ikke patogen.
Trinn for trinn: AI-assistert varianttolkning
1. Fiks variant til standard notasjon. Avklar genomversjon, transkripsjon og HGVS-representasjon. Variant fra AI begge c. begge s. både g. , og bekreft det med en validator (som VariantValidator).
2. Få AI til å bygge bevisrammeverket. For hver ACMG-kode, "hvilke data bør jeg se på?" Få AI til å svare på spørsmålet - men ikke spesifiser klassen ennå.
3. Bekreft eventuelle bevis ved primærkilden. gnomAD-frekvens, ClinVar-post, funksjonell studie – åpne og les dem alle selv. Sjekk AIs "ikke tilgjengelig i gnomAD"-påstanden ved å søke etter den i gnomAD.
4. Kombiner kodene og trekk ut klassen. Utkast til ACMG-kombinasjonsregler med AI; Men la eksperten godkjenne den siste timen.
5. Rapporter VUS ærlig. Hvis bevis ikke er tilstrekkelig, er klassen "Usikker mening"; Det er en feil å presse det som sykdomsfremkallende eller godartet.
tre minisaker
Tilfelle 1 — Sammenstilt frekvens. En ekspert spurte AI om frekvensen av en variant gnomAD; "0,002%," sa AI. Da eksperten så det opp på gnomAD selv, fant han at frekvensen av varianten var 1,3 % - noe som betyr at beviset for BS1 (sterk i godartet retning) var gyldig og varianten mest sannsynlig var ufarlig. AIs fabrikkerte lave frekvens gjorde at varianten feilaktig virket sjelden.
Case 2—Sham funksjonell studie. En forsker ønsket å implementere PS3 (funksjonelt bevis) for en variant; AI ga en overbevisende artikkeloversikt. Da forskeren søkte på PubMed fant han ut at det ikke fantes en slik artikkel. Falsk attribusjon ville kollapse kjeden av bevis.
Sak 3 – Bekreftelse oppnådd. En genetisk rådgiver revurderte en "muligens patogen" variant med AI. YZ påpekte de nylig lagt til motstridende kommentarene på ClinVar; Konsulenten åpnet ClinVar, så at to laboratorier hadde oppdaget varianten på VUS, og oppdaterte rapporten. Her hjalp AI ved å minne oss om en oppdatering som kan ha gått ubemerket hen - men igjen, mennesket tok avgjørelsen.
Fire kopierbare maler
1) Etablere et bevisrammeverk (uten å få klassen til å fortelle):
Din rolle: tolkeassistent i klinisk variant. Sett opp ACMG/AMP-bevisrammeverket for følgende variant: [genomversjon, transkripsjon, HGVS]. For hver mulig beviskode (PVS1, PS1-4, PM1-6, PP1-5, BA1, BS1-4, BP1-7) "hvilke data bør jeg se på, i hvilken kilde, for å bruke dette?" Skrive. Ikke si klassen ENDA; bare oppgi hvilke data som kreves.
2) GnomAD/ClinVar bekreftelsesplan:
Skriv trinn for trinn nøyaktig hva jeg skal se etter i gnomAD og ClinVar for følgende variant: [variant]. Forklar hvilken populasjonsfrekvensterskel som tilsvarer hvilken ACMG-kode. Du lager ikke verdiene; fortell meg hvor jeg finner den.
3) Klasseoversikt (godkjent av meg):
Jeg ga følgende bekreftede bevis: [PM2 er tilstede, PP3 er tilstede, BS1 er fraværende ...]. Lag utkast til mulig klasse og begrunnelse i henhold til ACMG-kombinasjonsreglene. Si gjerne «VUS» dersom bevisene er utilstrekkelige. Jeg vil godkjenne den endelige avgjørelsen.
4) Rapportutkast:
Oversett følgende klassifisering til et rapportavsnitt på et klart språk som passer for pasienten og legen: [variant, klasse, nøkkelbevis]. Ikke overdriv påstander om sikkerhet; hvis det er usikkerhet, si det tydelig. Henvis til spesialist for klinisk avgjørelse.
Svak forespørsel / Sterk forespørsel
Svak: "Er TP53 c.743G>A patogen?"
Problem: Ingen genomversjon/transkripsjon, ingen bevis kreves, AI kan bare fortelle klassen og gjøre opp frekvensen.
Strong: "Sett opp ACMG proof-rammeverket for GRCh38, TP53 NM_000546.6:c.743G>A (p.Arg248Gln); fortell meg hva jeg skal se etter i hvilken kilde for hver kode, verditilpasning, utkast til klassen etter at jeg har validert den."
Hvorfor det er kraftig: Konteksten er klar, bevisveien er åpen, fabrikasjonsfeltet er innsnevret, beslutningen er i personens hender.
Vanlige feil
- Stoler på svaret på ett ords patogenitet. En gitt klasse uten en kjede av bevis er verdiløs.
- Unnlatelse av å bekrefte frekvens og attribusjon. gnomAD-frekvens og artikkelhenvisninger kan tilpasses; Åpne den selv.
- Unngå VUS. Å si "patogen/godartet" når bevisene er utilstrekkelige er en klinisk feil.
- Genomversjon/transkripsjonsstokking. Feil avskrift, feil c. Det betyr plassering.
- Hopp over ClinVar-oppdatering. Tolkninger endres over tid; Sjekk den nyeste posten.
Forsiktig: Å kombinere ACMG-koder er regelbasert, men krever ekspertvurdering; De samme bevisene kan ha ulik vekt i ulike gensykdomskontekster. Kombinasjonen av AI er en blåkopi, ikke det siste ordet.
Dybde: korrekt lesing av en VCF-linje og frekvensterskler
Selv en enkelt linje i en VCF-fil inneholder mange fallgruver. En eksempellinje: 17 43091983 . G A 60 PASS AF=0,0003;DP=45 GT:AD 0/1:22,23. Du kan få AI til å forklare feltene her, men bekrefte tre punkter selv. For det første, hvilken genomversjon tilhører kromosomposisjonsparet? Den samme varianten vises på et annet sted i GRCh37 og GRCh38; Uten å spesifisere versjonen er plassering meningsløs. Det andre er GT-domenet (genotype): 0/1 heterozygot, 1/1 homozygot; Ved en recessiv sykdom er en enkelt heterozygot variant alene ikke forklarende. For det tredje, DP (lesedybde) og AD (alleldybde): lav dybde (f.eks. DP=8) gjør et variantkall tvilsomt; Teknikken kan være en falsk positiv. AI forklarer disse feltene formelt, men "er denne samtalen pålitelig?" Avgjørelsen er din.
Et konkret eksempel på frekvensterskler: en ekspert ønsket å bruke PM2 (sjeldenhet) på en variant for en sjelden sykdom med recessiv arv. Kunstig intelligens sa: "gnomAD har det ikke, PM2 sikkert." Da eksperten åpnet gnomAD, fant han at varianten hadde en frekvens på 0,8 % i en underpopulasjon – høy nok til å utelukke PM2, gitt utbredelsen av sykdommen. En vanlig feil er å se på den totale populasjonsfrekvensen og hoppe over underpopulasjoner.
Allelfrekvens (populasjon)
Typisk ACMG-kommentar
merk
Ingen / svært sjelden
Kan støtte PM2
Se også på delpopulasjoner
Høyere enn sykdomsprevalens
BS1 (godartet sterk)
Det recessive/dominante skillet er viktig
høyere enn 5 %
BA1 (uavhengig godartet)
Nesten sikkert ufarlig
5) VCF-linjekontrollmal:
Forklar følgende VCF-linje felt for felt, men ikke foreta en pålitelighetsvurdering: tolk genomversjonen, GT (zygositet), DP- og AD-felt separat. List opp tilfeller der denne samtalen kan være teknisk tvilsom. Linje: [lim inn].
Oppsummert
- Varianttolkning er evidensbasert; AI er kraftig til å utforme og oppsummere bevis, men klasseavgjørelsen er opp til eksperten.
- Eventuelle bevis (gnomAD-frekvens, ClinVar-registrering, funksjonsstudie) må verifiseres personlig ved primærkilden.
- Fiks varianten etter genomversjon, transkripsjon og HGVS; Bekreft med en verifikator.
- Hvis bevisene er utilstrekkelige, er det ærlige svaret "Usikker betydning (VUS)."
Søknadsoppgave
Velg en eksempelvariant (f.eks. en velkjent plate fra ClinVar). Få AI til å bygge bevisrammeverket med malene 1 og 2 ovenfor. Åpne så gnomAD-frekvensen og ClinVar kommenter selv og sammenlign dem med AI-påstandene. Legg merke til om det er forskjell mellom AI og kilden i minst ett bevis og begrunn den mulige klassen selv.
sjekkliste
- [ ] Jeg fikset varianten med genomversjon, transkripsjon og HGVS.
- [ ] Jeg satte opp bevisrammeverket, jeg fikk ikke AI til å si klassen fra begynnelsen.
- [ ] Jeg sjekket personlig gnomAD-frekvensen.
- [ ] Jeg har bekreftet ClinVar-registreringen og oppdateringen.
- [ ] Jeg verifiserte funksjonelle studiesiteringer i PubMed.
- [ ] Hvis bevisene var utilstrekkelige, nølte jeg ikke med å si VUS og godkjente vedtaket selv.