ஆதாயங்கள்:
- VCF வடிவம், HGVS குறியீடு (c./p./g.) மற்றும் ACMG நோய்க்கிருமி அளவுகோல்களைப் புரிந்து கொள்ளும் திறன் மற்றும் செயற்கை நுண்ணறிவு ஒரு சான்று வரைவை உருவாக்குகிறது
- ClinVar மற்றும் gnomAD போன்ற மூலங்களில் ஒவ்வொரு ACMG சான்றுகளையும் (மக்கள்தொகை அதிர்வெண், சிலிகோ, பிரித்தல், இலக்கியம்) தனிப்பட்ட முறையில் சரிபார்க்கும் திறன்
- மரபணு பதிப்பைப் பிடிக்கும் கொள்கைகளைப் பயன்படுத்துதல் மற்றும் கணினி பிழைகளை ஒருங்கிணைத்தல் மற்றும் செயற்கை நுண்ணறிவுக்கு இறுதி நோய்க்கிருமி வகைப்படுத்தலை விட்டுவிடாத திறன்
ஒரு தனிநபரின் மரபணு மில்லியன் கணக்கான புள்ளிகளில் உள்ள குறிப்பிலிருந்து வேறுபடுகிறது; இந்த வேறுபாடுகளில் பெரும்பாலானவை பாதிப்பில்லாதவை ("தீங்கற்ற"), சில நோய்களை உண்டாக்குகின்றன ("நோய்க்கிருமி"). மாறுபட்ட விளக்கம் என்பது மருத்துவ மரபியலின் இதயம் மற்றும் வேறுபாடு எந்த வகுப்பில் விழுகிறது என்பதை தீர்மானிக்கும் பணியாகும். இந்த யூனிட்டில், செயற்கை நுண்ணறிவை (AI) எப்படி ஒரு சான்று சேகரிப்பு, சுருக்கம் மற்றும் மாறுபட்ட விளக்கத்தில் உதவியாளரை வரைவது என்று கற்றுக் கொள்வீர்கள்; ஆனால் நோய்க்கிருமிகளின் இறுதி முடிவு ஏன் எப்போதும் நிபுணர் ஒப்புதலுக்கு உட்பட்டதாக இருக்க வேண்டும் என்பதை நீங்கள் அறிந்து கொள்வீர்கள்.
முதலில் முக்கியமான எச்சரிக்கை: AI யிடம் "இந்த மாறுபாடு நோய்க்கிருமியா?" நீங்கள் கேட்கும் ஒரு வார்த்தை பதிலை ஒருபோதும் நம்ப வேண்டாம். AI ஆதாரம் இல்லாமல் ஒரு வகுப்பை நம்பிக்கையுடன் சொல்ல முடியும்; ஒரு மாறுபாடு, முந்தைய மருத்துவ பதிவுகள் அல்லது செயல்பாட்டு ஆய்வுகளின் மக்கள்தொகை அதிர்வெண்ணைப் பொருத்த முடியும். ஆதாரக் கட்டமைப்பை உருவாக்க AI ஐப் பயன்படுத்துவதும், முதன்மை ஆதாரத்தில் ஒவ்வொரு ஆதாரத்தையும் தனிப்பட்ட முறையில் சரிபார்ப்பதும் சரியான அணுகுமுறையாகும்.
அடிப்படை கருத்துக்கள்
- VCF (மாறுபட்ட அழைப்பு வடிவம்): ஒரு மாதிரியில் மாறுபாடுகளை பட்டியலிடும் நிலையான கோப்பு வடிவம்; ஒவ்வொரு வரியும் குரோமோசோம், நிலை, குறிப்புத் தளம், மாற்றுத் தளம் மற்றும் தரத் தகவல்களைக் கொண்டுள்ளது.
- HGVS குறியீடு: மாறுபாடுகளுடன் கூடிய நிலையான எழுத்து வடிவம். c. குறியீட்டு வரிசையில் அதன் நிலை, ப. புரத மாற்றம், ஜி. மரபணு இருப்பிடத்தைக் குறிக்கிறது. உதாரணமாக NM_000546.6:c.743G>A மற்றும் p.Arg248Gln.
- gnomAD: நூறாயிரக்கணக்கான மக்களின் மாறுபட்ட அலைவரிசைகளை சேகரிக்கும் தரவுத்தளம்; சமூகத்தில் ஒரு மாறுபாடு எவ்வளவு பொதுவானது என்பதை இது காட்டுகிறது. பொதுவான மாறுபாடுகள் பொதுவாக நோய்க்கிருமி அல்ல.
- ClinVar: மாறுபாடுகளின் மருத்துவ விளக்கங்களை சேகரிக்கும் பொது தரவுத்தளம்.
- ACMG/AMP அளவுகோல்கள்: அமெரிக்கன் காலேஜ் ஆஃப் மெடிக்கல் ஜெனிடிக்ஸ்' அமைப்பு ஒரு மாறுபாட்டை ஐந்து வகைகளாகப் பிரிக்கிறது: நோய்க்கிருமி, சாத்தியமான நோய்க்கிருமி, நிச்சயமற்ற முக்கியத்துவத்தின் மாறுபாடு (VUS), சாத்தியமான தீங்கற்ற, தீங்கற்ற.
ACMG சான்று குறியீடுகள்: ஒரு சுருக்கமான வரைபடம்
ACMG அமைப்பு நோய்க்கிருமி திசையில் (PVS, PS, PM, PP) மற்றும் தீங்கற்ற திசையில் (BA, BS, BP) ஆதாரக் குறியீடுகளை வரையறுக்கிறது; இவை ஒன்று சேர்ந்து வகுப்பைத் தீர்மானிக்கின்றன. இந்தக் குறியீடுகள் எதைக் குறிக்கின்றன என்பதை விளக்குவதில் AI சிறப்பாக உள்ளது, ஆனால் எந்தக் குறியீடு உண்மையில் செயல்படுத்தப்படுகிறது என்பதை நீங்கள் சரிபார்க்க வேண்டும்.
குறியீடு
பொருள் (சுருக்கம்)
ஆதாரத்தை எங்கே சரிபார்க்க வேண்டும்
பிவிஎஸ்1
செயல்பாடு இழப்புக்கு வழிவகுக்கும் மிகவும் வலுவான சான்றுகள் (எ.கா. முன்கூட்டியே நிறுத்துதல்)
டிரான்ஸ்கிரிப்ட், டொமைன், மரபணு-நோய் உறவு
PS1/PS3
அறியப்பட்ட நோய்க்கிருமியாக அதே அமினோ அமிலம்/செயல்பாட்டு ஆய்வு
ClinVar, சக மதிப்பாய்வு செய்யப்பட்ட செயல்பாட்டுக் கட்டுரை
PM2
மிகவும் அரிதானது/மக்கள்தொகையில் இல்லை
gnomAD அதிர்வெண்
பிபி3/பிபி4
நோய்க்கிருமி/தீங்கற்ற திசையில் கணக்கீட்டு கணிப்பு
மதிப்பீட்டு கருவிகள் (ஒருமித்த கருத்து)
BA1/BS1
நோய்க்கிருமியாக இருக்க அதிர்வெண் மிக அதிகம்
gnomAD அதிர்வெண்
பிபி6/பிபி5
(இனி பரிந்துரைக்கப்படவில்லை) வேறொருவரின் விளக்கத்தை நம்பியிருப்பது
—
உதவிக்குறிப்பு: PM2 (அரிதானது) மற்றும் BA1/BS1 (பொதுவானது) முடிவுகள் நேரடியாக க்னோமாடி அதிர்வெண்ணை அடிப்படையாகக் கொண்டவை மற்றும் மிக எளிதாகச் சரிபார்க்கப்பட்ட சான்றுகளாகும். gnomAD இல் முதலில் ஒரு மாறுபாட்டைப் பார்க்கவும்; மக்கள்தொகையில் 1% க்கும் அதிகமானவர்களில் ஒரு மாறுபாடு பெரும்பாலும் நோய்க்கிருமி அல்ல.
படிப்படியாக: AI-உதவி மாறுபாடு விளக்கம்
1. நிலையான குறிப்பிற்கு மாறுபாட்டை சரிசெய்யவும். மரபணு பதிப்பு, டிரான்ஸ்கிரிப்ட் மற்றும் HGVS பிரதிநிதித்துவத்தை தெளிவுபடுத்தவும். AI இரண்டிலிருந்தும் மாறுபாடு c. இருவரும் ப. இருவரும் ஜி. , பின்னர் அதை ஒரு வேலிடேட்டர் மூலம் உறுதிப்படுத்தவும் (VariantValidator போன்றவை).
2. AI ஆதார கட்டமைப்பை உருவாக்க வேண்டும். ஒவ்வொரு ACMG குறியீட்டிற்கும், "நான் என்ன தரவைப் பார்க்க வேண்டும்?" கேள்விக்கு AI பதிலளிக்க வேண்டும் - ஆனால் வகுப்பை இன்னும் குறிப்பிட வேண்டாம்.
3. எந்த ஆதாரத்தையும் முதன்மை ஆதாரத்தில் சரிபார்க்கவும். gnomAD அதிர்வெண், ClinVar பதிவு, செயல்பாட்டு ஆய்வு — அனைத்தையும் நீங்களே திறந்து படிக்கவும். AI இன் "gnomAD இல் கிடைக்கவில்லை" என்பதை gnomAD இல் தேடுவதன் மூலம் சரிபார்க்கவும்.
4. குறியீடுகளை இணைத்து வகுப்பைப் பிரித்தெடுக்கவும். AI உடன் வரைவு ACMG சேர்க்கை விதிகள்; ஆனால் நிபுணர் இறுதி வகுப்பை அங்கீகரிக்கட்டும்.
5. VUS ஐ நேர்மையாகப் புகாரளிக்கவும். சான்றுகள் போதுமானதாக இல்லாவிட்டால், வகுப்பு "நிச்சயமற்ற பொருள்"; அதை நோய்க்கிருமி அல்லது தீங்கற்றது என்று தள்ளுவது தவறு.
மூன்று சிறிய வழக்குகள்
வழக்கு 1 - தயாரிக்கப்பட்ட அதிர்வெண். ஒரு நிபுணர் AI யிடம் gnomAD மாறுபாடு பற்றி கேட்டார்; "0.002%," AI கூறியது. நிபுணர் அதை gnomAD இல் பார்த்தபோது, மாறுபாட்டின் அதிர்வெண் 1.3% என்று அவர் கண்டறிந்தார் - அதாவது BS1 (தீங்கற்ற திசையில் வலுவானது) க்கான சான்றுகள் செல்லுபடியாகும் மற்றும் மாறுபாடு பெரும்பாலும் பாதிப்பில்லாதது. AI இன் புனையப்பட்ட குறைந்த அதிர்வெண் மாறுபாட்டை தவறாக அரிதாகக் காட்டியது.
வழக்கு 2-ஷாம் செயல்பாட்டு ஆய்வு. ஒரு ஆராய்ச்சியாளர் ஒரு மாறுபாட்டிற்கு PS3 (செயல்பாட்டு ஆதாரம்) செயல்படுத்த விரும்பினார்; AI ஒரு நம்பத்தகுந்த கட்டுரையை வழங்கியது. ஆய்வாளர் பப்மெட்டில் தேடியபோது, அப்படியொரு கட்டுரை இல்லை என்று கண்டுபிடித்தார். தவறான பண்புக்கூறு ஆதாரங்களின் சங்கிலியை உடைத்துவிடும்.
வழக்கு 3 - உறுதிப்படுத்தல் கிடைத்தது. ஒரு மரபணு ஆலோசகர் AI உடன் "ஒருவேளை நோய்க்கிருமி" மாறுபாட்டை மறு மதிப்பீடு செய்தார். ClinVar இல் புதிதாக சேர்க்கப்பட்ட முரண்பட்ட கருத்துகளை YZ சுட்டிக்காட்டியது; ஆலோசகர் ClinVar ஐத் திறந்து, VUS இல் மாறுபாட்டை இரண்டு ஆய்வகங்கள் கண்டறிந்து, அறிக்கையைப் புதுப்பித்துள்ளன. இங்கே, கவனிக்கப்படாமல் போயிருக்கக்கூடிய ஒரு புதுப்பிப்பை நினைவூட்டுவதன் மூலம் AI உதவியது - ஆனால் மீண்டும், மனிதன் முடிவெடுத்தான்.
நகலெடுக்கக்கூடிய நான்கு வார்ப்புருக்கள்
1) ஒரு சான்று கட்டமைப்பை நிறுவுதல் (வகுப்பைச் சொல்லாமல்):
உங்கள் பங்கு: மருத்துவ மாறுபாடு விளக்க உதவியாளர். பின்வரும் மாறுபாட்டிற்கான ACMG/AMP சான்று கட்டமைப்பை அமைக்கவும்: [ஜீனோம் பதிப்பு, டிரான்ஸ்கிரிப்ட், HGVS]. சாத்தியமான ஒவ்வொரு ஆதாரக் குறியீட்டிற்கும் (PVS1, PS1-4, PM1-6, PP1-5, BA1, BS1-4, BP1-7) "இதைப் பயன்படுத்துவதற்கு நான் எந்தத் தரவைப் பார்க்க வேண்டும், எந்த ஆதாரத்தில் இருக்க வேண்டும்?" எழுது. வகுப்பு இன்னும் சொல்லாதே; என்ன தரவு தேவை என்பதை பட்டியலிடுங்கள்.
2) gnomAD/ClinVar உறுதிப்படுத்தல் திட்டம்:
பின்வரும் மாறுபாட்டிற்கு gnomAD மற்றும் ClinVar இல் நான் சரியாக என்ன பார்க்க வேண்டும் என்பதை படிப்படியாக எழுதவும்: [variant]. எந்த மக்கள்தொகை அதிர்வெண் வரம்பு எந்த ACMG குறியீட்டுடன் ஒத்துப்போகிறது என்பதை விளக்குங்கள். நீங்கள் மதிப்புகளை உருவாக்கவில்லை; அதை எங்கே கண்டுபிடிப்பது என்று சொல்லுங்கள்.
3) வகுப்பு அவுட்லைன் (என்னால் அங்கீகரிக்கப்பட்டது):
பின்வரும் சரிபார்க்கப்பட்ட ஆதாரங்களை நான் அளித்துள்ளேன்: [PM2 உள்ளது, PP3 உள்ளது, BS1 இல்லை ...].ACMG சேர்க்கை விதிகளின்படி சாத்தியமான வகுப்பு மற்றும் நியாயப்படுத்தலை வரைவு செய்யவும். ஆதாரம் போதுமானதாக இல்லை என்றால் "VUS" என்று சொல்லலாம். இறுதி முடிவை நான் ஆமோதிப்பேன்.
4) அறிக்கை வரைவு:
பின்வரும் வகைப்பாட்டை நோயாளி மற்றும் மருத்துவருக்கு ஏற்ற எளிய மொழியில் அறிக்கைப் பத்தியாக மொழிபெயர்க்கவும்: [மாறுபாடு, வகுப்பு, முக்கிய சான்று]. உறுதியான கூற்றுகளை மிகைப்படுத்தாதீர்கள்; நிச்சயமற்ற தன்மை இருந்தால், அதை தெளிவாகக் கூறுங்கள். மருத்துவ முடிவுகளுக்கு நிபுணரைப் பார்க்கவும்.
பலவீனமான வரியில் / வலுவான வரியில்
பலவீனமானது: "TP53 c.743G> ஒரு நோய்க்கிருமியா?"
சிக்கல்: மரபணு பதிப்பு/டிரான்ஸ்கிரிப்ட் இல்லை, எந்த ஆதாரமும் தேவையில்லை, AI ஆனது வகுப்பைச் சொல்லி அதிர்வெண்ணை உருவாக்க முடியும்.
வலிமையானது: "GRCh38, TP53 NM_000546.6:c.743G>A (p.Arg248Gln)க்கான ACMG ஆதாரக் கட்டமைப்பை அமைக்கவும்; ஒவ்வொரு குறியீட்டிற்கும், மதிப்புப் பொருத்துதலுக்கும், நான் அதைச் சரிபார்த்த பிறகு வகுப்பை வரைவதற்கான எந்த ஆதாரத்தில் எதைப் பார்க்க வேண்டும் என்பதைக் கூறவும்."
அது ஏன் சக்தி வாய்ந்தது: சூழல் தெளிவாக உள்ளது, ஆதாரப் பாதை திறந்துள்ளது, புனையப்பட்ட துறை குறுகியது, முடிவு நபரின் கைகளில் உள்ளது.
பொதுவான தவறுகள்
- ஒரு வார்த்தை நோய்க்கிருமி பதிலை நம்பி. ஆதாரங்களின் சங்கிலி இல்லாமல் கொடுக்கப்பட்ட வகுப்பு பயனற்றது.
- அதிர்வெண் மற்றும் பண்புக்கூறு சரிபார்ப்பதில் தோல்வி. gnomAD அதிர்வெண் மற்றும் கட்டுரை மேற்கோள்கள் மாற்றியமைக்கப்படலாம்; அதை நீங்களே திறக்கவும்.
- VUS ஐ தவிர்த்தல். ஆதாரம் போதுமானதாக இல்லாதபோது "நோய்க்கிருமி/தீங்கற்றது" என்று சொல்வது மருத்துவப் பிழை.
- ஜீனோம் பதிப்பு/டிரான்ஸ்கிரிப்ட் கலக்கல். தவறான டிரான்ஸ்கிரிப்ட், தவறான சி. இடம் என்று பொருள்.
- ClinVar புதுப்பிப்பைத் தவிர்க்கிறது. விளக்கங்கள் காலப்போக்கில் மாறுகின்றன; தற்போதைய பதிவைச் சரிபார்க்கவும்.
எச்சரிக்கை: ACMG குறியீடுகளை இணைப்பது விதி அடிப்படையிலானது ஆனால் நிபுணர் தீர்ப்பு தேவை; அதே சான்றுகள் வெவ்வேறு மரபணு-நோய் சூழல்களில் வெவ்வேறு எடையைக் கொண்டிருக்கலாம். AI இன் கலவையானது ஒரு வரைபடமாகும், இறுதி வார்த்தை அல்ல.
ஆழம்: VCF கோடு மற்றும் அதிர்வெண் வரம்புகளை சரியாகப் படித்தல்
VCF கோப்பில் ஒரு வரியில் கூட பல ஆபத்துகள் உள்ளன. ஒரு எடுத்துக்காட்டு வரி: 17 43091983 . G A 60 PASS AF=0.0003;DP=45 GT:AD 0/1:22,23. இங்கே புலங்களை AI விளக்கலாம், ஆனால் மூன்று புள்ளிகளை நீங்களே உறுதிப்படுத்திக் கொள்ளுங்கள். முதலில், குரோமோசோம்-நிலை ஜோடி எந்த மரபணு பதிப்பைச் சேர்ந்தது? அதே மாறுபாடு GRCh37 மற்றும் GRCh38 இல் வெவ்வேறு இடத்தில் தோன்றும்; பதிப்பைக் குறிப்பிடாமல், இருப்பிடம் அர்த்தமற்றது. இரண்டாவது GT (மரபணு வகை) டொமைன்: 0/1 heterozygous, 1/1 homozygous; ஒரு பின்னடைவு நோயில், ஒற்றை ஹீட்டோரோசைகஸ் மாறுபாடு மட்டும் விளக்கமளிக்காது. மூன்றாவதாக, DP (படிக்க ஆழம்) மற்றும் AD (அலீல் ஆழம்): குறைந்த ஆழம் (எ.கா. DP=8) மாறுபாடு அழைப்பை கேள்விக்குள்ளாக்குகிறது; நுட்பம் தவறான நேர்மறையாக இருக்கலாம். AI இந்த புலங்களை முறையாக விளக்குகிறது, ஆனால் "இந்த அழைப்பு நம்பகமானதா?" முடிவு உங்களுடையது.
அதிர்வெண் வரம்புகளுக்கு ஒரு உறுதியான எடுத்துக்காட்டு: ஒரு நிபுணர் பிஎம்2 (அரிதானது) ஒரு அரிதான நோய்க்கு பின்னடைவு மரபுவழியைப் பயன்படுத்த விரும்பினார். செயற்கை நுண்ணறிவு கூறியது, "gnomAD இல் அது இல்லை, PM2 நிச்சயம்." நிபுணர் க்னோமாடியைத் திறந்தபோது, ஒரு துணை மக்கள்தொகையில் மாறுபாடு 0.8% அதிர்வெண்ணைக் கொண்டிருப்பதைக் கண்டறிந்தார் - நோயின் பரவலைக் கருத்தில் கொண்டு PM2 ஐ நிராகரிக்கும் அளவுக்கு அதிகமானது. ஒட்டுமொத்த மக்கள்தொகை அதிர்வெண்ணைப் பார்த்து, துணை மக்கள்தொகையைத் தவிர்ப்பது பொதுவான தவறு.
அல்லீல் அதிர்வெண் (மக்கள் தொகை)
வழக்கமான ACMG கருத்து
குறிப்பு
எதுவுமில்லை / மிகவும் அரிதானது
PM2 ஐ ஆதரிக்க முடியும்
துணை மக்கள்தொகையையும் பாருங்கள்
நோய் பரவலை விட அதிகம்
BS1 (தீங்கற்ற வலுவான)
பின்னடைவு / மேலாதிக்க வேறுபாடு முக்கியமானது
5%க்கு மேல்
BA1 (சுதந்திர தீங்கற்ற)
கிட்டத்தட்ட நிச்சயமாக பாதிப்பில்லாதது
5) VCF வரி கட்டுப்பாட்டு டெம்ப்ளேட்:
பின்வரும் VCF வரி புலத்தை புலம் வாரியாக விளக்கவும், ஆனால் நம்பகத்தன்மையை தீர்மானிக்க வேண்டாம்: மரபணு பதிப்பு, GT (zygosity), DP மற்றும் AD புலங்களை தனித்தனியாக விளக்கவும். இந்த அழைப்பு தொழில்நுட்ப ரீதியாக சந்தேகத்திற்குரியதாக இருக்கும் வழக்குகளை பட்டியலிடுங்கள். வரி: [ஒட்டு].
சுருக்கமாக
- மாறுபட்ட விளக்கம் சான்று அடிப்படையிலானது; AI ஆனது ஆதாரங்களை உருவாக்குவதிலும், சுருக்கி வைப்பதிலும் வல்லமை வாய்ந்தது, ஆனால் வகுப்பின் முடிவு நிபுணரிடம் உள்ளது.
- எந்த ஆதாரமும் (gnomAD அதிர்வெண், ClinVar பதிவு, செயல்பாட்டு ஆய்வு) முதன்மை மூலத்தில் தனிப்பட்ட முறையில் சரிபார்க்கப்பட வேண்டும்.
- மரபணு பதிப்பு, டிரான்ஸ்கிரிப்ட் மற்றும் HGVS மூலம் மாறுபாட்டை சரிசெய்யவும்; சரிபார்ப்பாளருடன் உறுதிப்படுத்தவும்.
- ஆதாரம் போதுமானதாக இல்லை என்றால், நேர்மையான பதில் "நிச்சயமற்ற முக்கியத்துவம் (VUS)" என்பதாகும்.
விண்ணப்ப பணி
ஒரு எடுத்துக்காட்டு மாறுபாட்டைத் தேர்ந்தெடுக்கவும் (எ.கா. ClinVar இன் நன்கு அறியப்பட்ட பதிவு). மேலே உள்ள 1 மற்றும் 2 வார்ப்புருக்களுடன் ஆதார கட்டமைப்பை உருவாக்க AI ஐச் செய்யுங்கள். பின்னர் gnomAD அதிர்வெண்ணைத் திறந்து, ClinVar நீங்களே கருத்துத் தெரிவிக்கவும், அவற்றை AI உரிமைகோரல்களுடன் ஒப்பிடவும். குறைந்தபட்சம் ஒரு சான்றில் AIக்கும் மூலத்திற்கும் வித்தியாசம் உள்ளதா என்பதைக் கவனியுங்கள் மற்றும் சாத்தியமான வகுப்பை நீங்களே நியாயப்படுத்துங்கள்.
சரிபார்ப்பு பட்டியல்
- [ ] நான் மரபணு பதிப்பு, டிரான்ஸ்கிரிப்ட் மற்றும் HGVS உடன் மாறுபாட்டை சரிசெய்தேன்.
- [ ] நான் ப்ரூஃப் ஃப்ரேம்வொர்க்கை அமைத்தேன், ஆரம்பத்திலிருந்தே AI ஐ வகுப்பைச் சொல்ல வைக்கவில்லை.
- [ ] நான் தனிப்பட்ட முறையில் gnomAD அதிர்வெண்ணைச் சரிபார்த்தேன்.
- [ ] நான் ClinVar பதிவு மற்றும் புதுப்பித்தலை உறுதி செய்துள்ளேன்.
- [ ] நான் PubMed இல் செயல்பாட்டு ஆய்வு மேற்கோள்களை சரிபார்த்தேன்.
- [ ] ஆதாரம் போதுமானதாக இல்லாவிட்டால், VUS என்று கூறவும் தயங்காமல் நானே அந்த முடிவை ஏற்றுக்கொண்டேன்.