Lợi nhuận:
- Khả năng hiểu định dạng VCF, ký hiệu HGVS (c./p./g.) và tiêu chí gây bệnh ACMG và có trí tuệ nhân tạo tạo ra bản thảo bằng chứng
- Khả năng xác minh cá nhân từng bằng chứng ACMG (tần số dân số, trong silico, sự phân biệt, tài liệu) trong các nguồn như ClinVar và gnomAD
- Khả năng áp dụng các nguyên tắc bắt phiên bản gen và lỗi hệ thống phối hợp và không để lại việc phân loại mầm bệnh cuối cùng cho trí tuệ nhân tạo
Bộ gen của một cá nhân khác với bộ gen tham chiếu ở hàng triệu điểm; Hầu hết những khác biệt này đều vô hại (“lành tính”), một số ít gây bệnh (“gây bệnh”). Giải thích biến thể là nhiệm vụ quyết định sự khác biệt rơi vào loại nào và là trọng tâm của di truyền học lâm sàng. Trong phần này, bạn sẽ học cách sử dụng trí tuệ nhân tạo (AI) làm trợ lý thu thập, tóm tắt và soạn thảo bằng chứng trong việc giải thích các biến thể; nhưng bạn sẽ biết tại sao quyết định cuối cùng về khả năng gây bệnh phải luôn được chuyên gia phê duyệt.
Cảnh báo quan trọng đầu tiên: Hãy hỏi AI "biến thể này có gây bệnh không?" Đừng bao giờ tin vào câu trả lời một từ mà bạn hỏi. AI có thể tự tin nói một lớp mà không cần bằng chứng; có thể phù hợp với tần suất dân số của một biến thể, hồ sơ lâm sàng trước đó hoặc nghiên cứu chức năng. Cách tiếp cận đúng là sử dụng AI để xây dựng khung bằng chứng và tự mình xác minh từng bằng chứng tại nguồn chính.
Các khái niệm cơ bản
- VCF (Định dạng cuộc gọi biến thể): Định dạng tệp tiêu chuẩn liệt kê các biến thể trong một mẫu; Mỗi dòng mang nhiễm sắc thể, vị trí, cơ sở tham chiếu, cơ sở thay thế và thông tin chất lượng.
- Ký hiệu HGVS: Định dạng viết chuẩn với các biến thể. c. vị trí của nó trong chuỗi mã hóa, p. thay đổi protein, g. Cho biết vị trí bộ gen. Ví dụ: NM_000546.6:c.743G>A và p.Arg248Gln.
- gnomAD: Cơ sở dữ liệu thu thập tần số biến thể của hàng trăm nghìn người; Nó cho thấy mức độ phổ biến của một biến thể trong xã hội. Các biến thể phổ biến thường không gây bệnh.
- ClinVar: Cơ sở dữ liệu công cộng thu thập các giải thích lâm sàng về các biến thể.
- Tiêu chí ACMG/AMP: Hệ thống bằng chứng của Trường Cao đẳng Di truyền Y khoa Hoa Kỳ chia một biến thể thành năm loại: Gây bệnh, Có khả năng gây bệnh, Biến thể có ý nghĩa không chắc chắn (VUS), Có thể lành tính, Lành tính.
Mã bằng chứng ACMG: bản đồ tóm tắt
Hệ thống ACMG xác định mã bằng chứng theo hướng gây bệnh (PVS, PS, PM, PP) và theo hướng lành tính (BA, BS, BP); Những điều này kết hợp với nhau để xác định lớp học. AI rất giỏi trong việc giải thích ý nghĩa của các mã này, nhưng bạn phải xác minh dữ liệu về mã nào thực sự được triển khai.
Mã
Ý nghĩa (tóm tắt)
Xác minh nguồn ở đâu
PVS1
Bằng chứng rất mạnh mẽ dẫn đến mất chức năng (ví dụ ngừng thuốc sớm)
Phiên mã, miền, mối quan hệ gen-bệnh
PS1/PS3
Nghiên cứu chức năng/axit amin tương tự như nghiên cứu gây bệnh đã biết
ClinVar, bài viết chức năng được bình duyệt
PM2
Rất hiếm/không hiện diện trong quần thể
tần số gnomAD
PP3/BP4
Dự đoán tính toán theo hướng gây bệnh/lành tính
Công cụ ước tính (đồng thuận)
BA1/BS1
Tần số quá cao để gây bệnh
tần số gnomAD
BP6/PP5
(Không còn khuyến khích) dựa vào cách giải thích của người khác
—
Mẹo: Các quyết định về PM2 (độ hiếm) và BA1/BS1 (phổ biến) dựa trực tiếp vào tần số gnomAD và là bằng chứng dễ xác minh nhất. Xem một biến thể đầu tiên trên gnomAD; Một biến thể phổ biến ở hơn 1% dân số rất có thể không gây bệnh.
Từng bước: Giải thích biến thể được hỗ trợ bởi AI
1. Sửa biến thể thành ký hiệu chuẩn. Làm rõ phiên bản bộ gen, bản phiên mã và biểu diễn HGVS. Biến thể từ AI cả c. cả hai p. cả g. , sau đó xác nhận nó bằng trình xác thực (như VariantValidator).
2. Yêu cầu AI xây dựng khung bằng chứng. Đối với mỗi mã ACMG, “tôi nên xem dữ liệu nào?” Yêu cầu AI trả lời câu hỏi — nhưng chưa chỉ định lớp học.
3. Xác minh mọi bằng chứng tại nguồn chính. tần số gnomAD, bản ghi ClinVar, nghiên cứu chức năng — hãy tự mở và đọc tất cả chúng. Kiểm tra xác nhận quyền sở hữu "không có sẵn trong gnomAD" của AI bằng cách tìm kiếm nó trong gnomAD.
4. Kết hợp các mã và trích xuất lớp. Dự thảo quy tắc kết hợp ACMG với AI; Nhưng hãy để chuyên gia phê duyệt lớp cuối cùng.
5. Báo cáo VUS một cách trung thực. Nếu bằng chứng không đầy đủ thì xếp vào loại "Ý nghĩa không chắc chắn"; Sẽ là một sai lầm khi cho rằng nó gây bệnh hay lành tính.
ba trường hợp nhỏ
Trường hợp 1 - Tần số tự tạo. Một chuyên gia đã hỏi AI về tần suất của một biến thể gnomAD; “0,002%,” AI cho biết. Khi chuyên gia tự mình tra cứu trên gnomAD, anh ấy phát hiện ra rằng tần suất của biến thể là 1,3% - nghĩa là bằng chứng cho BS1 (mạnh theo hướng lành tính) là hợp lệ và biến thể đó rất có thể là vô hại. Tần số thấp do AI chế tạo đã khiến biến thể này có vẻ hiếm gặp một cách giả tạo.
Trường hợp 2—Nghiên cứu chức năng giả tạo. Một nhà nghiên cứu muốn triển khai PS3 (bằng chứng chức năng) cho một biến thể; AI đã đưa ra một dòng nội dung bài viết đầy thuyết phục. Khi nhà nghiên cứu tìm kiếm trên PubMed thì thấy không có bài viết nào như vậy. Việc quy kết sai sẽ làm sụp đổ chuỗi bằng chứng.
Trường hợp 3 - Đã đạt được xác nhận. Một cố vấn di truyền đã đánh giá lại một biến thể “có thể gây bệnh” bằng AI. YZ đã chỉ ra những nhận xét mâu thuẫn mới được thêm vào trên ClinVar; Chuyên gia tư vấn mở ClinVar, thấy hai phòng thí nghiệm đã phát hiện biến thể trên VUS và cập nhật báo cáo. Ở đây, AI đã trợ giúp bằng cách nhắc nhở chúng ta về một bản cập nhật có thể không được chú ý - nhưng một lần nữa, con người lại đưa ra quyết định.
Bốn mẫu có thể sao chép
1) Thiết lập khung bằng chứng (không bắt cả lớp phải kể):
Vai trò của bạn: trợ lý giải thích biến thể lâm sàng. Thiết lập khung bằng chứng ACMG/AMP cho biến thể sau: [phiên bản bộ gen, bản ghi, HGVS]. Đối với mỗi mã bằng chứng có thể có (PVS1, PS1-4, PM1-6, PP1-5, BA1, BS1-4, BP1-7), “tôi nên xem dữ liệu nào, từ nguồn nào, để áp dụng mã này?” Viết. Đừng nói lớp YET; chỉ cần liệt kê những dữ liệu được yêu cầu.
2) kế hoạch xác nhận gnomAD/ClinVar:
Viết từng bước chính xác những gì tôi nên tìm kiếm trong gnomAD và ClinVar cho biến thể sau: [variant]. Giải thích ngưỡng tần số quần thể nào tương ứng với mã ACMG nào. Bạn không tạo nên các giá trị; cho tôi biết nơi để tìm thấy nó.
3) Đề cương lớp học (đã được tôi phê duyệt):
Tôi đã đưa ra bằng chứng đã được xác minh sau đây: [có PM2, có PP3, không có BS1 ...]. Dự thảo phân loại có thể có và biện minh theo quy tắc kết hợp ACMG. Hãy thoải mái nói "VUS" nếu bằng chứng không đầy đủ. Tôi sẽ phê duyệt quyết định cuối cùng.
4) Dự thảo báo cáo:
Dịch phần phân loại sau đây thành một đoạn báo cáo bằng ngôn ngữ đơn giản phù hợp với bệnh nhân và bác sĩ: [biến thể, loại, bằng chứng chính]. Đừng phóng đại những tuyên bố về sự chắc chắn; nếu có điều gì không chắc chắn, hãy nói rõ. Tham khảo ý kiến chuyên gia để có quyết định lâm sàng.
Dấu nhắc yếu / Dấu nhắc mạnh
Yếu: “TP53 c.743G>Có phải là mầm bệnh không?”
Vấn đề: Không có phiên bản/bản ghi bộ gen, không cần bằng chứng, AI chỉ có thể cho cả lớp biết và tạo nên tần suất.
Strong: "Thiết lập khung chứng minh ACMG cho GRCh38, TP53 NM_000546.6:c.743G>A (p.Arg248Gln); cho tôi biết những gì cần tìm trong nguồn nào cho mỗi mã, giá trị phù hợp, phác thảo lớp sau khi tôi xác thực nó."
Tại sao nó có sức mạnh: Bối cảnh rõ ràng, con đường chứng cứ rộng mở, lĩnh vực bịa đặt bị thu hẹp, quyết định nằm trong tay con người.
Những lỗi thường gặp
- Dựa vào câu trả lời về khả năng gây bệnh một từ. Một lớp nhất định không có chuỗi bằng chứng là vô giá trị.
- Không xác minh tần suất và phân bổ. tần số gnomAD và trích dẫn bài viết có thể được điều chỉnh; Hãy tự mình mở nó.
- Tránh VUS. Nói "gây bệnh/lành tính" khi không đủ bằng chứng là một lỗi lâm sàng.
- Xáo trộn phiên bản/bản sao bộ gen. Biên bản sai, sai c. Nó có nghĩa là vị trí.
- Bỏ qua bản cập nhật ClinVar. Các diễn giải thay đổi theo thời gian; Kiểm tra hồ sơ mới nhất.
Thận trọng: Việc kết hợp các mã ACMG dựa trên quy tắc nhưng cần có sự đánh giá của chuyên gia; Bằng chứng tương tự có thể có trọng lượng khác nhau trong bối cảnh bệnh gen khác nhau. Sự kết hợp của AI là một kế hoạch chi tiết, không phải là quyết định cuối cùng.
Độ sâu: đọc chính xác ngưỡng tần số và dòng VCF
Ngay cả một dòng trong tệp VCF cũng chứa nhiều cạm bẫy. Một dòng ví dụ: 17 43091983 . G A 60 PASS AF=0,0003;DP=45 GT:AD 0/1:22,23. Bạn có thể yêu cầu AI giải thích các trường ở đây nhưng hãy tự mình xác nhận ba điểm. Đầu tiên, cặp vị trí nhiễm sắc thể thuộc về phiên bản bộ gen nào? Biến thể tương tự xuất hiện ở một vị trí khác trong GRCh37 và GRCh38; Nếu không chỉ định phiên bản, vị trí là vô nghĩa. Thứ hai là miền GT (kiểu gen): dị hợp tử 0/1, đồng hợp tử 1/1; Trong một bệnh lặn, chỉ riêng một biến thể dị hợp tử không thể giải thích được. Thứ ba, DP (độ sâu đọc) và AD (độ sâu alen): độ sâu thấp (ví dụ DP=8) khiến cho một cuộc gọi biến thể có vấn đề; Kỹ thuật này có thể cho kết quả dương tính giả. AI giải thích các lĩnh vực này một cách chính thức, nhưng “liệu cuộc gọi này có đáng tin cậy không?” Quyết định là của bạn.
Một ví dụ cụ thể về ngưỡng tần số: một chuyên gia muốn áp dụng PM2 (độ hiếm) cho một biến thể của một căn bệnh hiếm gặp có tính di truyền lặn. Trí tuệ nhân tạo cho biết: "gnomAD không có, PM2 chắc chắn". Khi chuyên gia mở gnomAD, ông phát hiện ra rằng biến thể này có tần suất 0,8% trong một nhóm nhỏ – đủ cao để loại trừ PM2, do mức độ phổ biến của căn bệnh này. Một sai lầm phổ biến là nhìn vào tần suất tổng thể của quần thể và bỏ qua các quần thể phụ.
Tần số alen (quần thể)
Nhận xét ACMG điển hình
ghi chú
Không có/rất hiếm
Có thể hỗ trợ PM2
Cũng nhìn vào các quần thể phụ
Cao hơn tỷ lệ mắc bệnh
BS1 (lành tính mạnh)
Sự phân biệt lặn/chiếm ưu thế là quan trọng
cao hơn 5%
BA1 (lành tính độc lập)
Hầu như chắc chắn vô hại
5) Mẫu điều khiển dòng VCF:
Giải thích trường dòng VCF sau theo từng trường, nhưng không đưa ra đánh giá về độ tin cậy: diễn giải phiên bản bộ gen, các trường GT (hợp tử), DP và AD một cách riêng biệt. Liệt kê các trường hợp mà cuộc gọi này có thể có vấn đề về mặt kỹ thuật. Dòng: [dán].
Tóm lại
- Giải thích biến thể dựa trên bằng chứng; AI rất mạnh trong việc đóng khung và tóm tắt bằng chứng, nhưng quyết định của tập thể là tùy thuộc vào chuyên gia.
- Bất kỳ bằng chứng nào (tần số gnomAD, đăng ký ClinVar, nghiên cứu chức năng) phải được xác minh cá nhân tại nguồn chính.
- Sửa biến thể theo phiên bản bộ gen, bản phiên mã và HGVS; Xác nhận với người xác minh.
- Nếu bằng chứng không đầy đủ thì câu trả lời trung thực là “Tầm quan trọng không chắc chắn (VUS)”.
Nhiệm vụ ứng dụng
Chọn một biến thể mẫu (ví dụ: một bản ghi nổi tiếng từ ClinVar). Yêu cầu AI xây dựng khung bằng chứng với các mẫu 1 và 2 ở trên. Sau đó mở tần số gnomAD và ClinVar tự nhận xét rồi so sánh với các tuyên bố của AI. Lưu ý xem có sự khác biệt giữa AI và nguồn trong ít nhất một bằng chứng hay không và tự mình chứng minh loại có thể xảy ra.
danh sách kiểm tra
- [ ] Tôi đã sửa biến thể với phiên bản bộ gen, bản ghi và HGVS.
- [ ] Tôi đã thiết lập khung bằng chứng, tôi không bắt AI nói lớp ngay từ đầu.
- [ ] Cá nhân tôi đã kiểm tra tần số gnomAD.
- [ ] Tôi đã xác nhận việc đăng ký và cập nhật ClinVar.
- [ ] Tôi đã xác minh các trích dẫn nghiên cứu chức năng trong PubMed.
- [ ] Nếu chứng cứ chưa đầy đủ, tôi không ngần ngại nói VUS và tự mình phê chuẩn quyết định.