Variant Interpretation: Pathogenicity by VCF, HGVS Designation, at ACMG Criteria

Mga nadagdag:

• Kakayahang maunawaan ang VCF format, HGVS notation (c./p./g.) at ACMG pathogenicity criteria at magkaroon ng artificial intelligence na makagawa ng draft ng ebidensya
• Kakayahang personal na i-verify ang bawat ebidensya ng ACMG (dalas ng populasyon, sa silico, segregation, literatura) sa mga mapagkukunan tulad ng ClinVar at gnomAD
• Kakayahang ilapat ang mga prinsipyo ng paghuli sa bersyon ng genome at pag-coordinate ng mga error sa system at hindi iniiwan ang panghuling pag-uuri ng pathogenicity sa artificial intelligence

Ang genome ng isang indibidwal ay naiiba sa sanggunian sa milyun-milyong puntos; Karamihan sa mga pagkakaibang ito ay hindi nakakapinsala ("benign"), ang ilan ay nagdudulot ng sakit ("pathogenic"). Ang variant interpretation ay ang gawain ng pagpapasya kung aling klase ang nahuhulog at ang puso ng klinikal na genetics. Sa unit na ito, matututunan mo kung paano gamitin ang artificial intelligence (AI) bilang isang pangangalap ng ebidensya, pagbubuod at pag-draft ng katulong sa iba't ibang interpretasyon; ngunit matututunan mo kung bakit ang panghuling desisyon sa pathogenicity ay dapat palaging napapailalim sa pag-apruba ng eksperto.

Kritikal na babala muna: Tanungin ang AI "iba ba itong pathogenic?" Huwag kailanman magtiwala sa isang salita na sagot na itatanong mo. May kumpiyansa na masasabi ng AI ang isang klase nang walang ebidensya; maaaring magkasya sa dalas ng populasyon ng isang variant, mga nakaraang klinikal na tala, o functional na pag-aaral. Ang tamang diskarte ay ang paggamit ng AI upang bumuo ng balangkas ng ebidensya at personal na i-verify ang bawat piraso ng ebidensya sa pangunahing pinagmulan.

Pangunahing konsepto

• VCF (Variant Call Format): Karaniwang format ng file na naglilista ng mga variant sa isang sample; Ang bawat linya ay nagdadala ng chromosome, posisyon, reference base, alternatibong base at impormasyon ng kalidad.
• HGVS notation: Karaniwang format ng pagsulat na may mga variant. c. posisyon nito sa coding sequence, p. pagbabago ng protina, g. Nagsasaad ng genomic na lokasyon. Halimbawa NM_000546.6:c.743G>A at p.Arg248Gln.
• gnomAD: Database na nangongolekta ng mga variant frequency ng daan-daang libong tao; Ipinapakita nito kung gaano karaniwan ang isang variant sa lipunan. Karaniwang hindi pathogenic ang mga karaniwang variant.
• ClinVar: Pampublikong database na nangongolekta ng mga klinikal na interpretasyon ng mga variant.
• Pamantayan ng ACMG/AMP: Sistema ng ebidensya ng American College of Medical Genetics na naghahati sa isang variant sa limang klase: Pathogenic, Likely Pathogenic, Variant of Uncertain Significance (VUS), Possibly Benign, Benign.

Mga code ng ebidensya ng ACMG: isang maikling mapa

Ang sistema ng ACMG ay tumutukoy sa mga code ng ebidensya sa pathogenic na direksyon (PVS, PS, PM, PP) at sa benign na direksyon (BA, BS, BP); Ang mga ito ay nagsasama-sama upang matukoy ang klase. Ang AI ay mahusay sa pagpapaliwanag kung ano ang ibig sabihin ng mga code na ito, ngunit dapat mong i-verify ang data kung saan aktwal na ipinatupad ang code.

Code

Kahulugan (buod)

Kung saan i-verify ang pinagmulan

PVS1

Napakalakas na ebidensya na humahantong sa pagkawala ng paggana (hal. maagang paghinto)

Transcript, domain, relasyon sa gene-sakit

PS1/PS3

Parehong amino acid/functional na pag-aaral na kilala bilang pathogenic

ClinVar, peer-reviewed functional na artikulo

PM2

Napakabihirang/wala sa mga populasyon

dalas ng gnomAD

PP3/BP4

Paghula sa computational sa pathogenic/benign na direksyon

Mga tool sa pagtatantya (consensus)

BA1/BS1

Masyadong mataas ang dalas para maging pathogen

dalas ng gnomAD

BP6/PP5

(Hindi na inirerekomenda) umasa sa interpretasyon ng ibang tao

—

Tip: Ang mga desisyon sa PM2 (pambihira) at BA1/BS1 (commonness) ay direktang nakabatay sa dalas ng gnomAD at ito ang pinakamadaling ma-verify na ebidensya. Tingnan muna ang isang variant sa gnomAD; Ang isang variant na laganap sa higit sa 1% ng populasyon ay malamang na hindi pathogenic.

Hakbang-hakbang: AI-assisted variant interpretation

1. Ayusin ang variant sa karaniwang notasyon. Linawin ang bersyon ng genome, transcript, at representasyon ng HGVS. Variant mula sa AI pareho c. pareho p. pareho g. , pagkatapos ay kumpirmahin ito sa isang validator (tulad ng VariantValidator).

2. Ipagawa sa AI ang balangkas ng ebidensya. Para sa bawat ACMG code, "anong data ang dapat kong tingnan?" Ipasagot sa AI ang tanong — ngunit huwag pang tukuyin ang klase.

3. I-verify ang anumang ebidensya sa pangunahing pinagmulan. dalas ng gnomAD, ClinVar record, functional study — buksan at basahin mo ang lahat ng ito nang mag-isa. Suriin ang claim na "hindi magagamit sa gnomAD" ng AI sa pamamagitan ng paghahanap nito sa gnomAD.

4. Pagsamahin ang mga code at i-extract ang klase. Draft ACMG kumbinasyon ng mga panuntunan sa AI; Ngunit hayaang aprubahan ng eksperto ang panghuling klase.

5. Iulat nang tapat ang VUS. Kung hindi sapat ang ebidensya, ang klase ay "Hindi Siguradong Kahulugan"; Ito ay isang pagkakamali na itulak ito bilang pathogenic o benign.

tatlong mini case

Case 1 — Made-up na dalas. Tinanong ng isang eksperto ang AI tungkol sa dalas ng isang variant na gnomAD; "0.002%," sabi ng AI. Nang tingnan ito mismo ng eksperto sa gnomAD, nalaman niya na ang dalas ng variant ay 1.3% — ibig sabihin ay valid ang ebidensya para sa BS1 (malakas sa benign na direksyon) at malamang na hindi nakakapinsala ang variant. Dahil sa gawa-gawang mababang frequency ng AI, ang variant ay mukhang bihira.

Kaso 2—Sham functional study. Nais ng isang mananaliksik na ipatupad ang PS3 (functional proof) para sa isang variant; Nagbigay ang AI ng isang mapanghikayat na byline ng artikulo. Nang maghanap ang mananaliksik sa PubMed, nalaman niyang walang ganoong artikulo. Ang maling pagpapatungkol ay magpapabagsak sa hanay ng ebidensya.

Case 3 — Nakuha ang kumpirmasyon. Muling sinuri ng isang genetic counselor ang isang "posibleng pathogen" na variant na may AI. Itinuro ni YZ ang mga bagong idinagdag na magkasalungat na komento sa ClinVar; Binuksan ng consultant ang ClinVar, nakitang natukoy ng dalawang lab ang variant sa VUS, at na-update ang ulat. Dito, tumulong ang AI sa pamamagitan ng pagpapaalala sa amin ng isang update na maaaring hindi napansin — ngunit muli, ang tao ang gumawa ng desisyon.

Apat na maaaring kopyahin na mga template

1) Pagtatatag ng balangkas ng ebidensya (nang hindi sinasabi sa klase):

Ang iyong tungkulin: clinical variant interpretation assistant. I-set up ang ACMG/AMP evidence framework para sa sumusunod na variant: [genome version, transcript, HGVS]. Para sa bawat posibleng code ng ebidensya (PVS1, PS1-4, PM1-6, PP1-5, BA1, BS1-4, BP1-7) "anong data ang dapat kong tingnan, sa aling pinagmulan, para ilapat ito?" Sumulat. Huwag sabihin ang klase PA; ilista lang kung anong data ang kailangan.

2) plano sa pagkumpirma ng gnomAD/ClinVar:

Isulat ang hakbang-hakbang kung ano ang eksaktong dapat kong hanapin sa gnomAD at ClinVar para sa sumusunod na variant: [variant]. Ipaliwanag kung aling limitasyon ng dalas ng populasyon ang tumutugma sa code ng ACMG. Hindi mo binubuo ang mga halaga; sabihin mo sa akin kung saan ito mahahanap.

3) Balangkas ng klase (inaprubahan ko):

Ibinigay ko ang sumusunod na verified evidence: [PM2 is present, PP3 is present, BS1 is absent ...].Draft the possible class and justification according to the ACMG combination rules. Huwag mag-atubiling sabihin ang "VUS" kung hindi sapat ang ebidensya. Aaprubahan ko ang huling desisyon.

4) draft ng ulat:

Isalin ang sumusunod na klasipikasyon sa isang talata ng ulat sa simpleng wika na angkop para sa pasyente at sa manggagamot: [variant, class, key evidence]. Huwag palakihin ang mga pag-aangkin ng katiyakan; kung may kawalan ng katiyakan, sabihin ito nang malinaw. Sumangguni sa espesyalista para sa klinikal na desisyon.

Mahinang prompt / Malakas na prompt

Mahina: "Ang TP53 c.743G>A ba ay pathogenic?"

Problema: Walang bersyon/transcript ng genome, walang kinakailangang ebidensya, maaari lang sabihin ng AI sa klase at gawin ang dalas.

Strong: "I-set up ang ACMG proof framework para sa GRCh38, TP53 NM_000546.6:c.743G>A (p.Arg248Gln); sabihin sa akin kung ano ang hahanapin kung saan source para sa bawat code, value fitting, draft ng klase pagkatapos kong i-validate ito."

Bakit ito makapangyarihan: Malinaw ang konteksto, bukas ang landas ng ebidensya, makitid ang larangan ng katha, nasa kamay ng tao ang desisyon.

Mga karaniwang pagkakamali

• Umaasa sa isang salitang pathogenicity na sagot. Ang isang ibinigay na klase na walang kadena ng ebidensya ay walang halaga.
• Pagkabigong i-verify ang dalas at pagpapatungkol. Ang dalas ng gnomAD at mga pagsipi ng artikulo ay maaaring iakma; Buksan mo sarili mo.
• Pag-iwas sa VUS. Ang pagsasabi ng "pathogenic/benign" kapag ang ebidensya ay hindi sapat ay isang klinikal na pagkakamali.
• Genome version/transcript shuffling. Maling transcript, mali c. Nangangahulugan ito ng lokasyon.
• Nilaktawan ang pag-update ng ClinVar. Ang mga interpretasyon ay nagbabago sa paglipas ng panahon; Suriin ang pinakabagong tala.

Babala: Ang pagsasama-sama ng mga ACMG code ay batay sa panuntunan ngunit nangangailangan ng ekspertong paghuhusga; Ang parehong ebidensya ay maaaring magdala ng iba't ibang timbang sa iba't ibang mga konteksto ng sakit sa gene. Ang kumbinasyon ng AI ay isang blueprint, hindi ang huling salita.

Lalim: wastong pagbabasa ng linya ng VCF at mga limitasyon ng dalas

Kahit na ang isang linya sa isang VCF file ay naglalaman ng maraming mga pitfalls. Isang halimbawang linya: 17 43091983 . G A 60 PASS AF=0.0003;DP=45 GT:AD 0/1:22,23. Maaari mong ipapaliwanag sa AI ang mga patlang dito, ngunit kumpirmahin mo ang iyong sarili ng tatlong puntos. Una, saang genome na bersyon nabibilang ang chromosome-position pair? Lumilitaw ang parehong variant sa ibang lokasyon sa GRCh37 at GRCh38; Nang hindi tinukoy ang bersyon, ang lokasyon ay walang kahulugan. Ang pangalawa ay ang GT (genotype) na domain: 0/1 heterozygous, 1/1 homozygous; Sa isang recessive na sakit, ang isang solong heterozygous na variant lamang ay hindi nagpapaliwanag. Pangatlo, DP (read depth) at AD (allele depth): low depth (e.g. DP=8) ginagawang kuwestiyunable ang variant na tawag; Maaaring false positive ang technique. Ipinaliwanag ng AI ang mga patlang na ito nang pormal, ngunit "maaasahan ba ang tawag na ito?" Nasa iyo ang desisyon.

Isang kongkretong halimbawa ng mga limitasyon ng dalas: gustong ilapat ng isang eksperto ang PM2 (pambihira) sa isang variant para sa isang bihirang sakit na may recessive inheritance. Sinabi ng artificial intelligence, "wala ito sa gnomAD, siguradong PM2." Nang buksan ng eksperto ang gnomAD, nalaman niya na ang variant ay may dalas na 0.8% sa isang subpopulasyon — sapat na mataas upang maalis ang PM2, dahil sa paglaganap ng sakit. Ang isang karaniwang pagkakamali ay ang pagtingin sa kabuuang dalas ng populasyon at laktawan ang mga subpopulasyon.

Alele frequency (populasyon)

Karaniwang komento ng ACMG

tala

Wala / napakabihirang

Maaaring suportahan ang PM2

Tingnan din ang mga subpopulasyon

Mas mataas kaysa sa pagkalat ng sakit

BS1 (benign strong)

Ang recessive/dominant na pagkakaiba ay mahalaga

mas mataas sa 5%

BA1 (independiyenteng benign)

Halos tiyak na hindi nakakapinsala

5) VCF line control template:

Ipaliwanag ang sumusunod na field ng linya ng VCF ayon sa field, ngunit huwag gumawa ng paghatol sa pagiging maaasahan: bigyang-kahulugan ang genome na bersyon, GT (zygosity), DP at AD na mga field nang hiwalay. Maglista ng mga kaso kung saan ang tawag na ito ay maaaring teknikal na kaduda-dudang. Linya: [i-paste].

Sa buod

• Ang variant na interpretasyon ay batay sa ebidensya; Ang AI ay mahusay sa pag-frame at pagbubuod ng ebidensya, ngunit ang desisyon ng klase ay nasa eksperto.
• Anumang katibayan (gnomAD frequency, ClinVar registration, functional study) ay dapat na personal na ma-verify sa pangunahing pinagmulan.
• Ayusin ang variant ayon sa genome version, transcript at HGVS; Kumpirmahin gamit ang isang verifier.
• Kung hindi sapat ang ebidensya, ang tapat na sagot ay "Hindi Siguradong Kahalagahan (VUS)."

Gawain ng aplikasyon

Pumili ng halimbawang variant (hal. isang kilalang record mula sa ClinVar). Ipagawa sa AI ang balangkas ng ebidensya na may mga template 1 at 2 sa itaas. Pagkatapos ay buksan ang dalas ng gnomAD at magkomento ang ClinVar sa iyong sarili at ihambing ang mga ito sa mga claim ng AI. Tandaan kung mayroong pagkakaiba sa pagitan ng AI at ang pinagmulan sa kahit isang piraso ng ebidensya at bigyang-katwiran ang posibleng klase sa iyong sarili.

checklist

• [ ] Inayos ko ang variant na may genome version, transcript at HGVS.
• [ ] Nag-set up ako ng proof framework, hindi ko ginawa ang AI na sabihin ang klase mula sa simula.
• [ ] Personal kong sinuri ang dalas ng gnomAD.
• [ ] Nakumpirma ko ang pagpaparehistro at pagiging napapanahon ng ClinVar.
• [ ] Na-verify ko ang mga functional study citation sa PubMed.
• [ ] Kung ang ebidensya ay hindi sapat, hindi ako nag-atubiling sabihin ang VUS at inaprubahan ang desisyon mismo.