Прибыль:
- Способность понимать формат VCF, обозначение HGVS (c./p./g.) и критерии патогенности ACMG, а также заставить искусственный интеллект составить проект доказательств.
- Возможность лично проверять каждое свидетельство ACMG (частота популяции, in silico, сегрегация, литература) в таких источниках, как ClinVar и gnomAD.
- Возможность применять принципы выявления версий генома и ошибок системы координат, не оставляя окончательную классификацию патогенности искусственному интеллекту.
Геном человека отличается от эталонного в миллионах точек; Большинство этих различий безвредны («доброкачественные»), некоторые вызывают заболевания («патогенные»). Вариантная интерпретация — это задача определения того, к какому классу относится различие, и это основа клинической генетики. В этом модуле вы узнаете, как использовать искусственный интеллект (ИИ) в качестве помощника по сбору, обобщению и составлению доказательств в вариантной интерпретации; но вы узнаете, почему окончательное решение о патогенности всегда должно подлежать одобрению экспертов.
Сначала критическое предупреждение: спросите ИИ: «Является ли этот вариант патогенным?» Никогда не доверяйте односложному ответу, который вы спрашиваете. ИИ может уверенно назвать класс без доказательств; может соответствовать частоте варианта в популяции, предыдущим клиническим записям или функциональным исследованиям. Правильный подход — использовать ИИ для создания системы доказательств и лично проверять каждое доказательство в первоисточнике.
Основные понятия
- VCF (формат вызова вариантов): стандартный формат файла, в котором перечислены варианты в образце; Каждая строка несет информацию о хромосоме, положении, эталонной базе, альтернативной базе и информации о качестве.
- Обозначение HGVS: стандартный формат письма с вариантами. в. его положение в кодирующей последовательности, стр. изменение белка, g. Указывает геномное местоположение. Например NM_000546.6:c.743G>A и p.Arg248Gln.
- gnomAD: База данных, собирающая различные частоты сотен тысяч людей; Это показывает, насколько распространен тот или иной вариант в обществе. Распространенные варианты обычно непатогенны.
- ClinVar: общедоступная база данных, собирающая клинические интерпретации вариантов.
- Критерии ACMG/AMP: система доказательств Американского колледжа медицинской генетики, которая делит вариант на пять классов: патогенный, вероятно патогенный, вариант неопределенного значения (VUS), возможно доброкачественный, доброкачественный.
Коды доказательств ACMG: краткая карта
Система ACMG определяет коды доказательств в патогенном направлении (ПВС, ПС, ПМ, ПП) и в доброкачественном направлении (БА, БС, БП); Они собираются вместе, чтобы определить класс. ИИ хорошо объясняет, что означают эти коды, но вы должны проверить данные о том, какой код на самом деле реализован.
Код
Значение (краткое содержание)
Где проверить источник
ПВС1
Очень убедительные доказательства, ведущие к потере функции (например, раннее прекращение лечения).
Транскрипт, домен, связь гена и заболевания
ПС1/ПС3
То же аминокислотное/функциональное исследование, что и у известных патогенных микроорганизмов.
ClinVar, рецензируемая функциональная статья
ПМ2
Очень редко/отсутствует в популяциях
частота гномАДа
ПП3/БП4
Вычислительное прогнозирование в патогенном/доброкачественном направлении
Инструменты оценки (консенсус)
БА1/БС1
Частота слишком высока, чтобы быть патогенной
частота гномАДа
БП6/ПП5
(больше не рекомендуется) полагаться на чужую интерпретацию
—
Совет: решения PM2 (редкость) и BA1/BS1 (частота) основаны непосредственно на частоте gnomAD и являются наиболее легко проверяемым доказательством. Сначала посмотрите вариант на gnomAD; Вариант, распространенный более чем у 1% населения, скорее всего, непатогенен.
Шаг за шагом: интерпретация вариантов с помощью ИИ
1. Привести вариант к стандартным обозначениям. Уточните версию генома, транскрипт и представление HGVS. Вариант от AI обоих c. оба п. оба г. , затем подтвердите это с помощью валидатора (например, VariantValidator).
2. Пусть ИИ создаст систему доказательств. «На какие данные мне следует обратить внимание?» для каждого кода ACMG? Пусть ИИ ответит на вопрос — но пока не указывайте класс.
3. Проверьте любые доказательства в первоисточнике. Частота gnomAD, запись ClinVar, функциональное исследование — откройте и прочтите их все сами. Проверьте заявление AI «недоступно в gnomAD», выполнив поиск в gnomAD.
4. Объедините коды и извлеките класс. Проект правил объединения ACMG с AI; Но пусть эксперт утвердит окончательный класс.
5. Честно сообщите о ВУС. Если доказательств недостаточно, классифицируется как «Неопределенное значение»; Было бы ошибкой считать его патогенным или доброкачественным.
три мини-кейса
Случай 1 — Установленная частота. Эксперт спросил ИИ о частоте варианта gnomAD; «0,002%», — сказал ИИ. Когда эксперт сам проверил это на gnomAD, он обнаружил, что частота этого варианта составляет 1,3% — это означает, что доказательства в пользу BS1 (сильные в благоприятном направлении) действительны, и вариант, скорее всего, безвреден. Из-за созданной ИИ низкой частоты этот вариант ошибочно казался редким.
Случай 2 — имитация функционального исследования. Исследователь хотел реализовать вариант PS3 (функциональное доказательство); AI дал убедительную ссылку на статью. Когда исследователь поискал в PubMed, он обнаружил, что такой статьи не было. Ложное приписывание разрушило бы цепочку доказательств.
Случай 3 — Получено подтверждение. Генетический консультант провел повторную оценку «возможно патогенного» варианта с ИИ. YZ указал на недавно добавленные противоречивые комментарии к ClinVar; Консультант открыл ClinVar, увидел, что две лаборатории обнаружили вариант VUS, и обновил отчет. Здесь искусственный интеллект помог, напомнив нам об обновлении, которое могло остаться незамеченным — но опять же, решение принял человек.
Четыре копируемых шаблона
1) Установление структуры доказательств (не заставляя класс рассказывать):
Ваша роль: ассистент по интерпретации клинических вариантов. Настройте систему доказательств ACMG/AMP для следующего варианта: [версия генома, транскрипт, HGVS]. Для каждого возможного кода доказательства (PVS1, PS1-4, PM1-6, PP1-5, BA1, BS1-4, BP1-7) «на какие данные мне следует обратить внимание, в каком источнике, чтобы это применить?» Писать. ПОКА не называйте класс; просто перечислите, какие данные необходимы.
2) план подтверждения gnomAD/ClinVar:
Напишите пошагово, что именно мне следует искать в gnomAD и ClinVar для следующего варианта: [вариант]. Объясните, какой порог частоты популяции соответствует какому коду ACMG. Вы не придумываете ценности; скажи мне, где его найти.
3) Схема занятия (утверждена мной):
Я привел следующие проверенные доказательства: [PM2 присутствует, PP3 присутствует, BS1 отсутствует...]. Составьте возможный класс и обоснование по правилам комбинирования ACMG. Смело говорите «ВУС», если доказательств недостаточно. Я одобрю окончательное решение.
4) Проект отчета:
Переведите следующую классификацию в параграф отчета простым языком, удобным для пациента и врача: [вариант, класс, ключевые доказательства]. Не преувеличивайте претензии на уверенность; если есть неопределенность, четко сформулируйте ее. Обратитесь к специалисту для принятия клинического решения.
Слабая подсказка / Сильная подсказка
Слабый: «Является ли TP53 c.743G>A патогенным?»
Проблема: нет версии/расшифровки генома, не требуется никаких доказательств, ИИ может просто назвать класс и определить частоту.
Стронг: «Настройте структуру доказательства ACMG для GRCh38, TP53 NM_000546.6:c.743G>A (p.Arg248Gln); скажите мне, что и в каком источнике искать для каждого кода, подгонку значений, набросайте класс после того, как я его проверю».
Почему это мощно: Контекст ясен, путь доказательств открыт, поле фабрикации сужено, решение находится в руках человека.
Распространенные ошибки
- Опираясь на односложный ответ о патогенности. Данный класс без цепочки доказательств бесполезен.
- Неспособность проверить частоту и атрибуцию. частота использования gnomAD и цитирование статей могут быть адаптированы; Откройте его сами.
- Избегание ВУС. Говорить «патогенный/доброкачественный», когда доказательств недостаточно, является клинической ошибкой.
- Перетасовка версии генома/транскрипта. Неверная расшифровка, неправильный c. Это означает местоположение.
- Пропуск обновления ClinVar. Интерпретации меняются со временем; Проверьте самую последнюю запись.
Внимание: объединение кодов ACMG основано на правилах, но требует экспертной оценки; Одни и те же доказательства могут иметь разную значимость в контексте разных генных заболеваний. Комбинация ИИ — это проект, а не последнее слово.
Глубина: правильное чтение линии VCF и пороговых значений частоты.
Даже одна строка в файле VCF содержит множество подводных камней. Пример строки: 17 43091983. G A 60 ПРОЙДЕН AF=0,0003;DP=45 GT:AD 0/1:22,23. Вы можете попросить ИИ объяснить поля здесь, но три пункта подтвердите самостоятельно. Во-первых, какой версии генома принадлежит пара хромосом-позиций? Тот же вариант появляется в другом месте у GRCh37 и GRCh38; Без указания версии местоположение не имеет смысла. Второй — домен GT (генотип): 0/1 гетерозиготный, 1/1 гомозиготный; При рецессивном заболевании наличие единственного гетерозиготного варианта не является объяснительным. В-третьих, DP (глубина чтения) и AD (глубина аллеля): низкая глубина (например, DP=8) делает выбор варианта сомнительным; Метод может дать ложноположительный результат. ИИ объясняет эти поля формально, но «надежен ли этот вызов?» Решение за вами.
Конкретный пример пороговых значений частоты: эксперт хотел применить PM2 (редкость) к варианту редкого заболевания с рецессивным наследованием. Искусственный интеллект сказал: «У gnomAD его нет, у PM2 точно». Когда эксперт открыл gnomAD, он обнаружил, что частота этого варианта составляет 0,8% в субпопуляции — достаточно высокая, чтобы исключить PM2, учитывая распространенность заболевания. Распространенной ошибкой является рассмотрение общей частоты популяции и пропуск субпопуляций.
Частота аллеля (популяция)
Типичный комментарий ACMG
Примечание
Нет/очень редко
Может поддерживать PM2
Также обратите внимание на субпопуляции
Выше, чем распространенность заболевания
BS1 (доброкачественный сильный)
Различие между рецессивным и доминантным имеет важное значение.
выше 5%
BA1 (независимый доброкачественный)
Почти наверняка безвреден
5) Шаблон управления линией VCF:
Объясните следующую строку VCF поле за полем, но не делайте вывод о надежности: интерпретируйте версию генома, поля GT (зиготность), DP и AD отдельно. Перечислите случаи, когда этот вызов может быть технически сомнительным. Строка: [вставить].
В заключение
- Вариантная интерпретация основана на фактических данных; ИИ обладает мощными возможностями в формулировании и обобщении доказательств, но решение класса остается за экспертом.
- Любые доказательства (частота gnomAD, регистрация ClinVar, функциональное исследование) должны быть проверены лично в первоисточнике.
- Зафиксировать вариант по версии генома, транскрипту и HGVS; Подтвердите с помощью верификатора.
- Если доказательств недостаточно, честный ответ — «Неопределенное значение (VUS)».
Задача приложения
Выберите вариант примера (например, известную запись из ClinVar). Попросите ИИ построить структуру доказательств с помощью шаблонов 1 и 2 выше. Тогда откройте частоту gnomAD и прокомментируйте ClinVar сами и сравните их с утверждениями ИИ. Отметьте, есть ли разница между ИИ и источником хотя бы в одном доказательстве и обоснуйте возможную классификацию самостоятельно.
контрольный список
- [ ] Я исправил вариант с версией генома, транскриптом и HGVS.
- [ ] Я установил структуру доказательства, я не заставлял ИИ произносить класс с самого начала.
- [ ] Я лично проверял частоту gnomAD.
- [ ] Я подтвердил регистрацию ClinVar и актуальность информации.
- [ ] Я проверил цитаты функциональных исследований в PubMed.
- [ ] Если доказательств было недостаточно, я не колебался говорить «ВУС» и сам одобрял решение.