Vinster:
- Förmåga att förstå VCF-formatet, HGVS-notation (c./p./g.) och ACMG-patogenicitetskriterier och ha artificiell intelligens producera ett bevisutkast
- Förmåga att personligen verifiera varje ACMG-bevis (populationsfrekvens, i silico, segregation, litteratur) i källor som ClinVar och gnomAD
- Förmåga att tillämpa principerna för att fånga genomversioner och koordinera systemfel och inte överlåta den slutliga patogenicitetsklassificeringen till artificiell intelligens
En individs genom skiljer sig från referensen på miljontals punkter; De flesta av dessa skillnader är ofarliga (”godartade”), några orsakar sjukdom (”patogena”). Varianttolkning är uppgiften att avgöra vilken klass en skillnad faller i och är hjärtat i klinisk genetik. I den här enheten kommer du att lära dig hur du använder artificiell intelligens (AI) som assistent för att samla in, sammanfatta och formulera bevis vid varianttolkning; men du kommer att lära dig varför det slutliga patogenicitetsbeslutet alltid bör vara föremål för expertgodkännande.
Kritisk varning först: Fråga AI:en "är denna variant patogen?" Lita aldrig på det enordssvar du frågar. AI kan med säkerhet säga en klass utan bevis; kan passa populationsfrekvensen för en variant, tidigare kliniska journaler eller funktionsstudier. Det korrekta tillvägagångssättet är att använda AI för att bygga bevisramverket och personligen verifiera varje bevis vid den primära källan.
Grundläggande begrepp
- VCF (Variant Call Format): Standardfilformat som listar varianter i ett exempel; Varje linje bär kromosom, position, referensbas, alternativ bas och kvalitetsinformation.
- HGVS-notation: Standardskrivformat med varianter. c. dess position i kodningssekvensen, sid. proteinförändring, g. Indikerar genomisk plats. Till exempel NM_000546.6:c.743G>A och p.Arg248Gln.
- gnomAD: Databas som samlar in olika frekvenser för hundratusentals människor; Det visar hur vanlig en variant är i samhället. Vanliga varianter är i allmänhet inte patogena.
- ClinVar: Offentlig databas som samlar in kliniska tolkningar av varianter.
- ACMG/AMP-kriterier: American College of Medical Genetics bevissystem som delar in en variant i fem klasser: Pathogenic, Likely Pathogenic, Variant of Uncertain Significance (VUS), Possibly Benign, Benign.
ACMG-beviskoder: en kort karta
ACMG-systemet definierar beviskoder i patogen riktning (PVS, PS, PM, PP) och i godartad riktning (BA, BS, BP); Dessa samlas för att bestämma klassen. AI är bra på att förklara vad dessa koder betyder, men du måste verifiera data om vilken kod som faktiskt är implementerad.
Kod
Betydelse (sammanfattning)
Var man kan verifiera källan
PVS1
Mycket starka bevis som leder till funktionsförlust (t.ex. tidigt avbrytande)
Transkription, domän, gen-sjukdom relation
PS1/PS3
Samma aminosyra/funktionsstudie som känd patogen
ClinVar, refereegranskad funktionell artikel
PM2
Mycket sällsynt/förekommer inte i populationer
GnomAD-frekvens
PP3/BP4
Beräkningsförutsägelse i patogen/godartad riktning
Uppskattningsverktyg (konsensus)
BA1/BS1
Frekvensen är för hög för att vara patogen
GnomAD-frekvens
BP6/PP5
(Rekommenderas inte längre) att förlita sig på någon annans tolkning
—
Tips: Beslut om PM2 (sällsynthet) och BA1/BS1 (allmänhet) baseras direkt på gnomAD-frekvensen och är det lättast verifierade beviset. Se en variant först på gnomAD; En variant som förekommer hos mer än 1 % av befolkningen är sannolikt inte patogen.
Steg för steg: AI-assisterad varianttolkning
1. Fixa variant till standardnotation. Förtydliga genomversion, transkript och HGVS-representation. Variant från AI båda c. båda sid. både g. , bekräfta det sedan med en validator (som VariantValidator).
2. Låt AI:en bygga bevisramen. För varje ACMG-kod, "vilka data ska jag titta på?" Be AI:n svara på frågan - men ange inte klassen ännu.
3. Verifiera eventuella bevis vid den primära källan. gnomAD-frekvens, ClinVar-post, funktionsstudie — öppna och läs alla själv. Kontrollera AI:s "not available in gnomAD"-påstående genom att söka efter det i gnomAD.
4. Kombinera koderna och extrahera klassen. Utkast till ACMG-kombinationsregler med AI; Men låt experten godkänna den sista klassen.
5. Anmäl VUS ärligt. Om bevisen är otillräckliga är klassen "Osäker betydelse"; Det är ett misstag att trycka på det som patogent eller godartat.
tre minifodral
Fall 1 — Tillverkad frekvens. En expert frågade AI om frekvensen av en variant av gnomAD; "0,002%," sa AI. När experten själv letade upp det på gnomAD fann han att frekvensen av varianten var 1,3 % - vilket betyder att bevisen för BS1 (stark i godartad riktning) var giltiga och varianten var troligen ofarlig. AI:s tillverkade låga frekvens gjorde att varianten felaktigt framstod som sällsynt.
Fall 2—Sham funktionsstudie. En forskare ville implementera PS3 (funktionellt bevis) för en variant; AI gav en övertygande artikelbyline. När forskaren sökte på PubMed fann han att det inte fanns någon sådan artikel. Falsk tillskrivning skulle kollapsa beviskedjan.
Fall 3 — Bekräftelse erhållen. En genetisk rådgivare omvärderade en "möjligen patogen" variant med AI. YZ påpekade de nyligen tillagda motstridiga kommentarerna på ClinVar; Konsulten öppnade ClinVar, såg att två labb upptäckt varianten på VUS och uppdaterade rapporten. Här hjälpte AI genom att påminna oss om en uppdatering som kan ha gått obemärkt förbi - men återigen, människan fattade beslutet.
Fyra kopierbara mallar
1) Etablera en bevisram (utan att få klassen att berätta):
Din roll: klinisk variant tolkningsassistent. Ställ in ACMG/AMP-bevisramverket för följande variant: [genomversion, transkript, HGVS]. För varje möjlig beviskod (PVS1, PS1-4, PM1-6, PP1-5, BA1, BS1-4, BP1-7) "vilka data ska jag titta på, i vilken källa, för att tillämpa detta?" Skriva. Säg inte klassen ÄN; lista bara vilka data som krävs.
2) bekräftelseplan för gnomAD/ClinVar:
Skriv steg för steg exakt vad jag ska leta efter i gnomAD och ClinVar för följande variant: [variant]. Förklara vilken populationsfrekvenströskel som motsvarar vilken ACMG-kod. Du gör inte upp värderingarna; berätta var jag kan hitta den.
3) Klassöversikt (godkänd av mig):
Jag gav följande verifierade bevis: [PM2 är närvarande, PP3 är närvarande, BS1 saknas ...]. Utkast till möjlig klass och motivering enligt ACMG-kombinationsreglerna. Säg gärna "VUS" om bevisen är otillräcklig. Jag kommer att godkänna det slutliga beslutet.
4) Rapportutkast:
Översätt följande klassificering till ett rapportstycke på ett enkelt språk som passar patienten och läkaren: [variant, klass, nyckelbevis]. Överdriv inte påståenden om säkerhet; om det finns osäkerhet, ange det tydligt. Referera till specialist för kliniskt beslut.
Svag prompt / Stark prompt
Svag: "Är TP53 c.743G>en patogen?"
Problem: Ingen genomversion/transkript, inga bevis krävs, AI kan bara berätta för klassen och göra upp frekvensen.
Stark: "Sätt upp ACMG-bevisramverket för GRCh38, TP53 NM_000546.6:c.743G>A (p.Arg248Gln); säg mig vad jag ska leta efter i vilken källa för varje kod, värdeanpassning, rita klassen efter att jag har validerat den."
Varför det är kraftfullt: Kontexten är tydlig, bevisvägen är öppen, tillverkningsfältet är smalt, beslutet ligger i personens händer.
Vanliga misstag
- Att förlita sig på ett-ords patogenicitetssvar. En given klass utan en kedja av bevis är värdelös.
- Underlåtenhet att verifiera frekvens och attribution. gnomAD-frekvens och artikelhänvisningar kan anpassas; Öppna den själv.
- Undviker VUS. Att säga "patogen/godartad" när bevisen är otillräcklig är ett kliniskt fel.
- Genome version/transcript shuffling. Felaktig avskrift, felaktig c. Det betyder plats.
- Hoppa över ClinVar-uppdatering. Tolkningar förändras över tiden; Kontrollera den senaste posten.
Varning: Att kombinera ACMG-koder är regelbaserat men kräver expertbedömning; Samma bevis kan ha olika vikt i olika gensjukdomssammanhang. Kombinationen av AI är en ritning, inte det sista ordet.
Djup: korrekt avläsning av en VCF-linje och frekvenströsklar
Även en enda rad i en VCF-fil innehåller många fallgropar. Ett exempel på rad: 17 43091983 . G A 60 PASS AF=0,0003;DP=45 GT:AD 0/1:22,23. Du kan få AI:n att förklara fälten här, men bekräfta tre punkter själv. För det första, vilken genomversion tillhör kromosompositionsparet? Samma variant visas på en annan plats i GRCh37 och GRCh38; Utan att specificera versionen är platsen meningslös. Den andra är GT-domänen (genotyp): 0/1 heterozygot, 1/1 homozygot; Vid en recessiv sjukdom är inte en enda heterozygot variant ensam förklarande. För det tredje, DP (läs djup) och AD (alleldjup): lågt djup (t.ex. DP=8) gör ett variantanrop tveksamt; Tekniken kan vara en falsk positiv. AI förklarar dessa fält formellt, men "är detta samtal tillförlitligt?" Beslutet är ditt.
Ett konkret exempel på frekvenströsklar: en expert ville applicera PM2 (raritet) på en variant för en sällsynt sjukdom med recessiv nedärvning. Artificiell intelligens sa, "gnomAD har det inte, PM2 helt klart." När experten öppnade gnomAD fann han att varianten hade en frekvens på 0,8 % i en subpopulation - tillräckligt hög för att utesluta PM2, med tanke på sjukdomens förekomst. Ett vanligt misstag är att titta på den totala populationsfrekvensen och hoppa över subpopulationer.
Allelfrekvens (population)
Typisk ACMG-kommentar
notera
Ingen / mycket sällsynt
Kan stödja PM2
Titta också på delpopulationer
Högre än sjukdomsprevalensen
BS1 (godartad stark)
Den recessiva/dominanta distinktionen är viktig
högre än 5 %
BA1 (oberoende benign)
Nästan säkert ofarligt
5) VCF linjekontrollmall:
Förklara följande VCF-linje fält för fält, men gör inte en tillförlitlighetsbedömning: tolka genomversionen, GT (zygositet), DP- och AD-fält separat. Ange fall där detta samtal kan vara tekniskt tveksamt. Rad: [klistra in].
Sammanfattningsvis
- Varianttolkning är evidensbaserad; AI är kraftfull på att rama in och sammanfatta bevis, men klassbeslutet är upp till experten.
- Alla bevis (gnomAD-frekvens, ClinVar-registrering, funktionsstudie) måste personligen verifieras vid den primära källan.
- Fixa varianten efter genomversion, transkript och HGVS; Bekräfta med en verifierare.
- Om bevisen är otillräckliga är det ärliga svaret "Osäker betydelse (VUS)."
Applikationsuppgift
Välj en exempelvariant (t.ex. en välkänd skiva från ClinVar). Låt AI:n bygga bevisramverket med mallarna 1 och 2 ovan. Öppna sedan gnomAD-frekvensen och ClinVar kommentera själv och jämför dem med AI-påståendena. Notera om det finns en skillnad mellan AI och källan i minst ett bevis och motivera den möjliga klassen själv.
checklista
- [ ] Jag fixade varianten med genomversion, transkript och HGVS.
- [ ] Jag satte upp bevisramverket, jag fick inte AI:n att säga klassen från början.
- [ ] Jag kontrollerade personligen gnomAD-frekvensen.
- [ ] Jag har bekräftat ClinVar-registreringen och uppdateringen.
- [ ] Jag verifierade funktionella studiecitat i PubMed.
- [ ] Om bevisningen var otillräcklig tvekade jag inte att säga VUS och godkände själv beslutet.