Kazanimlar:
- VCF formatını, HGVS gösterimini (c./p./g.) ve ACMG patojenite kriterlerini kavrayıp yapay zekaya kanıt taslağı ürettirebilme
- Her ACMG kanıtını (popülasyon sıklığı, in siliko, segregasyon, literatür) ClinVar ve gnomAD gibi kaynaklarda bizzat doğrulayabilme
- Genom sürümü ve koordinat sistemi hatalarını yakalama ve nihai patojenite sınıflandırmasını yapay zekaya bırakmama ilkelerini uygulayabilme
Bir bireyin genomu referanstan milyonlarca noktada farklıdır; bu farkların çoğu zararsızdır ("iyi huylu" — benign), çok azı hastalığa yol açar ("patojenik"). Varyant yorumlama, bir farkın hangi sınıfa girdiğine karar verme işidir ve klinik genetiğin kalbidir. Bu ünitede, yapay zekayı (YZ) varyant yorumlamada bir kanıt toplayan, özetleyen ve taslak hazırlayan asistan olarak nasıl kullanacağınızı; ama nihai patojenite kararının neden her zaman uzmanın onayında olması gerektiğini öğreneceksiniz.
Önce kritik uyarı: YZ'ye "bu varyant patojenik mi?" diye sorup gelen tek kelimelik cevaba asla güvenmeyin. YZ, kanıt olmadan da kendinden emin bir sınıf söyleyebilir; bir varyantın popülasyon sıklığını, önceki klinik kayıtlarını ya da işlevsel çalışmalarını uydurabilir. Doğru yaklaşım, YZ'yi kanıt çerçevesini kurmaya kullanıp her kanıtı birincil kaynakta bizzat teyit etmektir.
Temel kavramlar
- VCF (Variant Call Format): Bir örnekteki varyantları listeleyen standart dosya biçimi; her satır kromozom, konum, referans baz, alternatif baz ve kalite bilgisini taşır.
- HGVS gösterimi: Varyantları standart yazma biçimi. c. kodlayan dizideki konumu, p. protein değişimini, g. genomik konumu gösterir. Örneğin NM_000546.6:c.743G>A ve p.Arg248Gln.
- gnomAD: Yüz binlerce insanın varyant sıklıklarını toplayan veri tabanı; bir varyant toplumda ne kadar yaygın, gösterir. Yaygın varyantlar genelde patojenik değildir.
- ClinVar: Varyantların klinik yorumlarını toplayan halka açık veri tabanı.
- ACMG/AMP kriterleri: Amerikan Tıbbi Genetik Koleji'nin, bir varyantı beş sınıfa ayıran kanıt sistemi: Patojenik, Muhtemelen Patojenik, Belirsiz Anlam (VUS — Variant of Uncertain Significance), Muhtemelen İyi Huylu, İyi Huylu.
ACMG kanıt kodları: kısa bir harita
ACMG sistemi, patojenik yönde (PVS, PS, PM, PP) ve iyi huylu yönde (BA, BS, BP) kanıt kodları tanımlar; bunlar bir araya gelerek sınıfı belirler. YZ bu kodların ne anlama geldiğini açıklamakta iyidir, ama hangi kodun gerçekten uygulandığına dair veriyi siz doğrulamalısınız.
Kod
Anlamı (özet)
Kaynak nerede teyit edilir
PVS1
İşlev kaybına yol açan çok güçlü kanıt (ör. erken durdurma)
Transkript, alan, gen-hastalık ilişkisi
PS1/PS3
Bilinen patojenikle aynı aminoasit / işlevsel çalışma
ClinVar, hakemli işlevsel makale
PM2
Popülasyonlarda çok nadir/yok
gnomAD sıklığı
PP3 / BP4
Hesaplamalı tahmin patojenik / iyi huylu yönde
Tahmin araçları (uzlaşı)
BA1/BS1
Sıklık patojenik olamayacak kadar yüksek
gnomAD sıklığı
BP6 / PP5
(Artık önerilmez) başkasının yorumuna dayanma
—
İpucu: PM2 (nadirlik) ve BA1/BS1 (yaygınlık) kararları doğrudan gnomAD sıklığına dayanır ve en kolay doğrulanan kanıtlardır. Bir varyanta önce gnomAD'de bakın; toplumda %1'den yaygın bir varyant büyük olasılıkla patojenik değildir.
Adım adım: YZ destekli varyant yorumlama
1. Varyantı standart gösterimle sabitle. Genom sürümü, transkript ve HGVS gösterimini netleştirin. YZ'den varyantı hem c. hem p. hem g. biçiminde yazmasını isteyin, sonra bunu bir doğrulayıcı (VariantValidator gibi) ile teyit edin.
2. Kanıt çerçevesini YZ'ye kurdurun. Her ACMG kodu için "hangi veriye bakmalıyım?" sorusunu YZ'ye yanıtlatın — ama sınıfı henüz belirtmeyin.
3. Her kanıtı birincil kaynakta doğrulayın. gnomAD sıklığı, ClinVar kaydı, işlevsel çalışma — hepsini bizzat açıp okuyun. YZ'nin "gnomAD'de yok" iddiasını gnomAD'de arayarak kontrol edin.
4. Kodları birleştirip sınıfı çıkarın. ACMG kombinasyon kurallarını YZ ile taslaklayın; ama nihai sınıfı uzman onaylasın.
5. VUS'u dürüstçe raporlayın. Kanıt yetersizse sınıf "Belirsiz Anlam"dır; bunu patojenik ya da iyi huylu diye zorlamak hatadır.
Üç mini vaka
Vaka 1 — Uydurma sıklık. Bir uzman, YZ'ye bir varyantın gnomAD sıklığını sordu; YZ "%0,002" dedi. Uzman gnomAD'de bizzat aradığında varyantın sıklığının %1,3 olduğunu gördü — yani BS1 (iyi huylu yönde güçlü) kanıtı geçerliydi ve varyant büyük olasılıkla zararsızdı. YZ'nin uydurma düşük sıklığı, varyantı yanlışlıkla nadir gösteriyordu.
Vaka 2 — Sahte işlevsel çalışma. Bir araştırmacı, bir varyant için PS3 (işlevsel kanıt) uygulamak istedi; YZ ikna edici bir makale künyesi verdi. Araştırmacı PubMed'de arayınca böyle bir makalenin olmadığını gördü. Sahte atıf, kanıt zincirini çökertecekti.
Vaka 3 — Doğrulama kazandırdı. Bir genetik danışman, bir "muhtemelen patojenik" varyantı YZ'yle yeniden değerlendirdi. YZ, ClinVar'da yeni eklenmiş çelişkili yorumlara dikkat çekti; danışman ClinVar'ı açıp iki laboratuvarın varyantı VUS'a çektiğini gördü ve raporu güncelledi. Burada YZ, gözden kaçabilecek bir güncellemeyi hatırlatarak yardımcı oldu — ama kararı yine insan verdi.
Dört kopyalanabilir şablon
1) Kanıt çerçevesi kurma (sınıf söyletmeden):
Rolün: klinik varyant yorumlama asistanı. Şu varyant için ACMG/AMP kanıtçerçevesini kur: [genom sürümü, transkript, HGVS].Her olası kanıt kodu (PVS1, PS1-4, PM1-6, PP1-5, BA1, BS1-4, BP1-7) için"bunu uygulamak için hangi veriye, hangi kaynakta bakmalıyım?" diye yaz.Sınıfı HENÜZ söyleme; yalnızca hangi verinin gerektiğini listele.
2) gnomAD/ClinVar teyit planı:
Şu varyant için gnomAD ve ClinVar'da tam olarak neye bakmam gerektiğiniadım adım yaz: [varyant]. Hangi popülasyon sıklığı eşiği hangi ACMG kodunakarşılık gelir, açıkla. Değerleri sen uydurma; nerede bulacağımı söyle.
3) Sınıf taslağı (onay bende):
Şu doğrulanmış kanıtları verdim: [PM2 var, PP3 var, BS1 yok ...].ACMG kombinasyon kurallarına göre olası sınıfı ve gerekçesini taslakla.Kanıt yetersizse "VUS" demekten çekinme. Nihai kararı ben onaylayacağım.
4) Rapor taslağı:
Şu sınıflandırmayı hastaya ve hekime uygun, sade bir dille rapor paragrafınaçevir: [varyant, sınıf, temel kanıtlar]. Kesinlik iddiası abartma;belirsizlik varsa açıkça belirt. Klinik karar için uzmana yönlendir.
Zayıf prompt / Güçlü prompt
Zayıf: "TP53 c.743G>A patojenik mi?"
Sorun: Genom sürümü/transkript yok, kanıt istenmiyor, YZ kafadan sınıf söyleyip sıklık uydurabilir.
Güçlü: "GRCh38, TP53 NM_000546.6:c.743G>A (p.Arg248Gln) için ACMG kanıt çerçevesini kur; her kod için hangi kaynakta neye bakmam gerektiğini söyle, değer uydurma, sınıfı ben doğruladıktan sonra taslakla."
Neden güçlü: Bağlam net, kanıt yolu açık, uydurma alanı daraltılmış, karar insanda.
Sık yapılan hatalar
- Tek kelimelik patojenite cevabına güvenmek. Kanıt zinciri olmadan verilen sınıf değersizdir.
- Sıklık ve atıfları doğrulamamak. gnomAD sıklığı ve makale künyeleri uydurulabilir; bizzat açın.
- VUS'tan kaçmak. Kanıt yetersizken "patojenik/iyi huylu" demek klinik hatadır.
- Genom sürümü/transkript karıştırmak. Yanlış transkript, yanlış c. konumu demektir.
- ClinVar güncelliğini atlamak. Yorumlar zamanla değişir; en güncel kaydı kontrol edin.
Dikkat: ACMG kodlarının birleştirilmesi kural tabanlıdır ama uzman muhakemesi gerektirir; aynı kanıtlar farklı gen-hastalık bağlamında farklı ağırlık taşıyabilir. YZ'nin kombinasyonu bir taslaktır, son söz değildir.
Derinlik: bir VCF satırını ve sıklık eşiklerini doğru okumak
VCF dosyasında tek bir satır bile birçok tuzak barındırır. Örnek bir satır: 17 43091983 . G A 60 PASS AF=0.0003;DP=45 GT:AD 0/1:22,23. Buradaki alanları yapay zekaya açıklatabilirsiniz, ama üç noktayı kendiniz teyit edin. Birincisi kromozom-konum çifti hangi genom sürümüne ait? Aynı varyant GRCh37 ile GRCh38'de farklı konumda görünür; sürüm belirtilmeden konum anlamsızdır. İkincisi GT (genotip) alanı: 0/1 heterozigot, 1/1 homozigottur; resesif bir hastalıkta tek bir heterozigot varyant tek başına açıklayıcı değildir. Üçüncüsü DP (okuma derinliği) ve AD (allel derinliği): düşük derinlik (örneğin DP=8) bir varyant çağrısını şüpheli kılar; teknik bir yanlış pozitif olabilir. Yapay zeka bu alanları biçimsel olarak açıklar ama "bu çağrı güvenilir mi?" kararı sizindir.
Sıklık eşikleri konusunda somut bir örnek: bir uzman resesif kalıtımlı nadir bir hastalık için bir varyanta PM2 (nadirlik) uygulamak istedi. Yapay zeka "gnomAD'de yok, PM2 kesin" dedi. Uzman gnomAD'i açtığında varyantın bir alt popülasyonda %0,8 sıklıkta olduğunu gördü — hastalığın prevalansına göre bu, PM2'yi geçersiz kılacak kadar yüksekti. Genel popülasyon sıklığına bakıp alt popülasyonları atlamak, sık bir hatadır.
Alel sıklığı (popülasyon)
Tipik ACMG yorumu
Not
Yok / çok nadir
PM2 destekleyebilir
Alt popülasyonlara da bak
Hastalık prevalansından yüksek
BS1 (iyi huylu güçlü)
Resesif/dominant ayrımı önemli
%5'ten yüksek
BA1 (bağımsız iyi huylu)
Neredeyse kesin zararsız
5) VCF satırı denetim şablonu:
Şu VCF satırını alan alan açıkla ama güvenilirlik kararı verme:genom sürümünü, GT (zigotluk), DP ve AD alanlarını ayrı ayrı yorumla.Bu çağrının teknik olarak şüpheli olabileceği durumları listele.Satır: [yapıştır].
Özetle
- Varyant yorumlama kanıt temellidir; YZ kanıt çerçevesini kurmakta ve özetlemekte güçlüdür ama sınıf kararı uzmanındır.
- Her kanıt (gnomAD sıklığı, ClinVar kaydı, işlevsel çalışma) birincil kaynakta bizzat doğrulanmalıdır.
- Varyantı genom sürümü, transkript ve HGVS ile sabitleyin; bir doğrulayıcıyla teyit edin.
- Kanıt yetersizse dürüst yanıt "Belirsiz Anlam (VUS)"tur.
Uygulama görevi
Bir örnek varyant seçin (örneğin ClinVar'dan iyi bilinen bir kayıt). Yukarıdaki 1. ve 2. şablonlarla YZ'den kanıt çerçevesini kurdurun. Ardından gnomAD sıklığını ve ClinVar yorumunu bizzat açıp YZ'nin iddialarıyla karşılaştırın. En az bir kanıtta YZ ile kaynak arasında fark olup olmadığını not edin ve olası sınıfı kendiniz gerekçelendirin.
Kontrol listesi
- [ ] Varyantı genom sürümü, transkript ve HGVS ile sabitledim.
- [ ] Kanıt çerçevesini kurdum, sınıfı YZ'ye baştan söyletmedim.
- [ ] gnomAD sıklığını bizzat kontrol ettim.
- [ ] ClinVar kaydını ve güncelliğini teyit ettim.
- [ ] İşlevsel çalışma atıflarını PubMed'de doğruladım.
- [ ] Kanıt yetersizse VUS demekten çekinmedim ve kararı kendim onayladım.