InterVar, 유전자 변이 해석을 위한 도우미

지난번에는 변이 판독을 어떻게 하는지 설명하는 ACMG/AMP 가이드라인 논문을 올렸었는데요, 이걸 사람이 매번 할 수 있지만, 굳이... 이걸?

그래서 ACMG/AMP 가이드라인을 로직화하여서 변이를 입력하면 어떤 근거로 변이가 병원성인지 아닌지를 판별해주는 프로그램에 대한 논문을 가져와봤습니다. InterVar: Clinical Interpretation of Genetic Variants by the 2015 ACMG-AMP Guidelines

이후 다양한 상업적인 tool들도 많이 나온 상황인데, 초창기에 나왔던 tool인데 꽤나 잘 만들었습니다.

DOI: 10.1016/j.ajhg.2017.01.004

gemini

## InterVar: 유전자 변이 해석을 위한 도우미

**유전자 변이**는 개인의 DNA 서열에서 발생하는 차이를 말하며, 질병 발생과 연관될 수 있습니다. 이러한 변이를 해석하는 것은 복잡하고 전문적인 지식을 요구하는 작업입니다. InterVar는 이러한 유전자 변이 해석을 돕기 위해 개발된 도구입니다.

**InterVar가 하는 일**

InterVar는 2015년 미국 의학 유전체학회(ACMG)와 미국 분자 병리학회(AMP)에서 발표한 유전자 변이 해석 가이드라인을 기반으로 개발되었습니다. 이 가이드라인은 28가지 기준을 사용하여 변이의 질병 유발 가능성을 평가합니다. InterVar는 이 중 18가지 기준에 대해 자동으로 점수를 매겨 변이를 해석합니다.

**InterVar의 장점**

* **전문 지식 없이도 사용 가능**: InterVar는 복잡한 유전자 변이 해석 과정을 자동화하여 일반인도 쉽게 사용할 수 있도록 설계되었습니다.

* **객관적인 결과 제공**: InterVar는 정해진 기준에 따라 객관적인 결과를 제공하여 변이 해석의 정확성을 높입니다.

* **시간 절약**: InterVar는 자동으로 변이를 해석하여 시간을 절약하고, 전문가의 추가 분석 시간을 줄여줍니다.

**InterVar의 활용**

InterVar는 다양한 유전 질환의 진단 및 예측에 활용될 수 있습니다. 예를 들어, 특정 질환과 관련된 유전자 변이가 발견된 경우, InterVar를 통해 해당 변이의 질병 유발 가능성을 평가하고, 질병 발생 위험을 예측할 수 있습니다.

**InterVar의 미래**

InterVar는 지속적으로 업데이트되고 있으며, 더 많은 유전자 변이에 대한 정보를 포함하도록 개선될 예정입니다. 또한, 더욱 정확하고 효율적인 변이 해석을 위해 인공지능 기술을 활용하는 방안도 연구 중입니다.

**결론**

InterVar는 유전자 변이 해석을 위한 강력한 도구입니다. 일반인들도 InterVar를 통해 자신의 유전 정보를 더 잘 이해하고, 건강 관리에 활용할 수 있습니다.

clova-x

InterVar는 유전자 변이를 해석하는 데 도움을 주는 컴퓨터 프로그램입니다. 이 프로그램은 2015년에 미국 의학 유전체 학회(ACMG)와 미국 분자병리학회(AMP)에서 발표한 유전자 변이 해석에 관련된 가이드라인을 기반으로 만들어졌습니다.

InterVar는 사용자가 유전자 변이 데이터를 입력하면, 해당 변이가 어떤 질병과 관련이 있는지, 그리고 그 변이가 건강에 어떤 영향을 미칠 수 있는지를 분석해 줍니다. 이 프로그램은 18개의 기준을 사용하여 유전자 변이를 자동으로 해석하고, 그 결과를 사용자에게 제공합니다.

변이의 해석 결과는 '병원성', '가능성 있는 병원성', '불확실한 의미', '가능성 있는 양성', '양성'의 다섯 단계로 분류됩니다. 이 분류는 변이가 얼마나 위험한지를 나타내며, 사용자는 이 결과를 바탕으로 적절한 조치를 취할 수 있습니다.

InterVar는 유전자 변이와 생명공학에 익숙하지 않은 일반인들도 쉽게 사용할 수 있도록 설계되었습니다. 사용자는 프로그램을 다운로드하여 컴퓨터에 설치하고, 유전자 변이 데이터를 입력하기만 하면 됩니다. 프로그램은 자동으로 변이를 분석하고, 그 결과를 시각적으로 보여주기 때문에, 사용자는 쉽게 이해할 수 있습니다.

또한, InterVar는 웹 기반 버전인 wInterVar도 제공합니다. wInterVar는 인터넷 브라우저를 통해 접속할 수 있으며, 사용자는 웹사이트에서 직접 유전자 변이를 입력하고, 그 결과를 확인할 수 있습니다.

InterVar는 유전자 변이 해석에 있어서 정확성과 신속성을 제공하며, 의료 분야에서 매우 유용한 도구로 활용되고 있습니다.

chatGTP

InterVar는 유전자 변이에 대한 해석을 도와주는 도구로, 2015년 미국 의학 유전학회(ACMG)와 분자병리학회(AMP)에서 발표한 유전 변이 해석 가이드라인을 바탕으로 만들어졌습니다. 이 도구는 사람들이 유전자의 변화가 특정 질병과 관련이 있는지 여부를 빠르고 정확하게 판단할 수 있도록 지원합니다. 

### 1. InterVar는 어떤 도구인가요?

우리 몸의 유전자에는 다양한 변이가 존재하며, 이 변이 중 일부는 질병을 유발하거나 특정한 건강 상태와 관련될 수 있습니다. InterVar는 이런 유전자 변이의 임상적 중요성을 자동으로 분석하여 결과를 제공합니다. 즉, InterVar를 사용하면 유전자 변이가 질병과 관련이 있는지, 얼마나 위험한지를 체계적으로 평가할 수 있습니다.

### 2. InterVar는 어떻게 작동하나요?

InterVar는 유전자 변이에 대해 자동으로 점수를 매기고, 이를 바탕으로 변이의 위험 수준을 해석합니다. 이 과정은 크게 두 가지 단계로 나뉩니다.

   - **자동화 단계**: 먼저 InterVar는 18개의 기준을 바탕으로 유전자 변이를 평가합니다. 여기에는 유전자 변이가 얼마나 자주 발생하는지, 유전자 변이가 단백질 구조에 어떤 영향을 미치는지 등의 정보가 포함됩니다.

   - **수동 조정 단계**: 자동 해석 결과를 바탕으로 전문가가 추가 정보를 고려하여 변이의 위험도를 재평가할 수 있습니다. 이 수동 조정 단계는 변이 해석의 정확도를 높이는 데 기여합니다.

### 3. InterVar를 사용하면 어떤 점이 좋을까요?

InterVar는 유전자 변이 해석을 위한 복잡한 과정을 단순화하여 빠르고 효율적인 해석을 가능하게 합니다. 특히 선천성 질환이나 조기 발병 질환과 같이, 높은 위험성을 가진 변이를 찾아내는 데 매우 유용합니다. 예를 들어, InterVar는 변이가 특정 질병을 일으킬 가능성이 높은지 여부를 판단하여, 의사들이 신속하게 진단과 치료 계획을 세울 수 있도록 돕습니다.

### 4. InterVar가 일반인에게 중요한 이유는 무엇일까요?

유전자 검사는 이제 의료 서비스의 중요한 부분이 되었으며, 많은 사람들이 자신의 유전자 정보를 알고 싶어 합니다. 하지만 복잡한 유전자 변이 정보를 이해하고 해석하는 것은 쉬운 일이 아닙니다. InterVar와 같은 도구는 유전자 변이의 임상적 중요성을 명확하게 알려주어, 유전자 검사를 받은 사람들이 자신의 건강 상태나 유전적 위험에 대해 이해하는 데 큰 도움을 줍니다. 

### 요약

InterVar는 유전자 변이가 질병과 어떤 관련이 있는지를 판단하는 데 유용한 도구로, 의료 전문가와 연구자들이 유전자 정보를 보다 쉽게 해석할 수 있도록 돕습니다. 이로 인해 유전자 검사의 활용이 더욱 활발해질 것으로 기대됩니다.

NotebookLM

## InterVar: 유전자 변이 해석 도구, 일반인을 위한 설명

InterVar는 유전자 검사 결과에서 발견되는 유전자 변이가 질병을 유발하는 가능성을 판단하는 데 도움을 주는 컴퓨터 프로그램입니다. 생명공학 분야의 전문 지식이 없는 일반인도 이해하기 쉽도록 InterVar에 대해 설명해 드리겠습니다.

### 유전자 검사와 유전자 변이

우리 몸의 설계도는 DNA라는 유전 물질에 담겨 있습니다. 유전자 검사는 이 DNA를 분석하여 질병과 관련된 변이를 찾아내는 검사입니다. 유전자 변이는 DNA 염기서열의 변화를 말하며, 이 변화가 단백질의 기능에 영향을 미쳐 질병을 유발할 수 있습니다.

### 유전자 변이 해석의 중요성과 어려움

유전자 검사를 통해 많은 유전자 변이가 발견되지만, 모든 변이가 질병을 유발하는 것은 아닙니다. 어떤 변이는 아무런 영향을 미치지 않거나, 심지어 유익한 경우도 있습니다. 따라서 **유전자 변이가 질병을 유발할 가능성이 얼마나 되는지 정확하게 판단하는 것이 매우 중요**합니다.

하지만 유전자 변이 해석은 복잡하고 쉽지 않은 작업입니다. 유전자 변이의 종류, 위치, 변화의 정도, 관련된 질병 정보 등 다양한 요소를 종합적으로 고려해야 하기 때문입니다.

### InterVar: 2015 ACMG-AMP 가이드라인 기반 자동화된 유전자 변이 해석 도구

InterVar는 미국 의학 유전체학회(ACMG)와 미국분자병리학회(AMP)에서 발표한 유전자 변이 해석 가이드라인을 기반으로 개발되었습니다. 이 가이드라인은 **유전자 변이를 병원성, 가능성 높은 병원성, 불확실한 유의성, 가능성 높은 양성, 양성의 5단계로 분류**합니다. InterVar는 이 가이드라인에 명시된 28가지 기준 중 18가지 기준에 대한 정보를 자동으로 분석하여 변이의 병원성을 판단합니다.

### InterVar의 작동 원리

InterVar는 다음과 같은 두 단계를 거쳐 유전자 변이를 해석합니다.

1. **자동 분석 단계**: InterVar는 입력된 유전자 변이 정보를 바탕으로 18가지 기준에 대한 점수를 자동으로 계산합니다. 예를 들어, 변이가 단백질의 중요한 부분에 위치하는지, 변이가 유전자 발현에 영향을 미치는지, 변이가 이미 질병과 관련된 것으로 알려져 있는지 등을 분석합니다.

2. **수동 조정 단계**: InterVar는 자동 분석 결과를 제시하고, 전문가가 자신의 지식을 활용하여 결과를 검토하고 수정할 수 있도록 합니다. 예를 들어, 환자의 가족력, 증상, 다른 유전자 검사 결과 등을 고려하여 InterVar의 판단을 조정할 수 있습니다.

### InterVar의 장점

* **객관적이고 일관된 해석**: InterVar는 ACMG-AMP 가이드라인이라는 표준화된 기준을 사용하므로 객관적이고 일관된 해석을 제공합니다.

* **시간 절약**: InterVar는 자동으로 많은 정보를 분석하여 전문가의 시간을 절약해 줍니다.

* **전문 지식 보완**: InterVar는 전문가가 자신의 지식을 활용하여 해석 결과를 조정할 수 있도록 하여, 보다 정확하고 신뢰할 수 있는 해석을 가능하게 합니다.

### InterVar의 한계

* **모든 유전자 변이 해석 가능한 것은 아님**: InterVar는 멘델리안 질환이나 침투율이 높은 유전 질환에 적합하며, 복잡한 질병과 관련된 변이를 해석하는 데는 제한적입니다.

* **데이터베이스 의존성**: InterVar는 유전자 변이 정보, 질병 정보 등을 담고 있는 데이터베이스를 기반으로 작동합니다. 따라서 데이터베이스의 품질이 InterVar의 해석 정확도에 영향을 미칠 수 있습니다.

### InterVar의 활용 및 기대 효과

InterVar는 유전자 검사 결과를 해석하는 데 유용한 도구이며, 의료진이 환자에게 보다 정확한 진단과 치료를 제공하는 데 도움을 줄 수 있습니다. 또한 InterVar는 유전자 변이 연구를 촉진하여 새로운 질병 유전자를 발견하고, 질병의 발생 메커니즘을 이해하는 데 기여할 수 있습니다.

### 결론

InterVar는 복잡한 유전자 변이 해석 과정을 자동화하고 표준화하여 의료진의 유전자 검사 결과 해석을 지원하는 유용한 도구입니다. InterVar를 통해 유전 질환 진단의 정확성을 높이고 개인 맞춤형 의료 시대에 더 나은 의료 서비스를 제공할 수 있을 것으로 기대됩니다.

varsome, franklin 이나 VarSeq같은 상용 tool들이 있어서 크게 와닿지는 않지만, 생각보다 지금도 잘 작동하고, 내부에서 사용하는 DB나 로직을 계속 업데이트 해주면 어느 tool과도 비교해도 떨어지지 않을듯합니다.

물론 유행하는 머신러닝이나 딥러닝을 활용하여 구축한 변이예측모델까지 접목한다면 금상첨화가 되지 않을까 하네요. 물론 이런 시도나 연구는 현재 계속 이뤄지고 있으니 조만간 더 좋은 tool을 쏟아져 나오지 않을까 합니다 :)

출처: @ye._.vely618

ACMG 및 AMP의 염기서열 변이 해석 지침, 2015년 버전

오늘 ACMG/AMP 가이드라인의 바이블 Standards and guidelines for the interpretation of sequence variants: a joint consensus recommendation of the American College of Medical Genetics and Genomics and the Association for Molecular Pathology 을 가져와봤습니다.

DOI: 10.1038/gim.2015.30

임상데이터를 다루시는 분들께서는 읽지 않는 사람은 있어도(진짜?) 한번만 읽지는 않는다는 바로 그 논문 되겠습니다. 

gemini

**ACMG 및 AMP의 표준 및 지침**

**서열 변이 해석**

**임상 실험실 유전학자에게 도움을 주기 위한 ACMG 및 AMP의 공동 합의**

**배경**

ACMG(American College of Medical Genetics and Genomics)는 이전에 서열 변이 해석에 대한 지침을 개발했습니다. 지난 10년 동안, 차세대 염기서열 분석 기술은 고속 처리량의 차세대 염기서열 분석의 출현으로 빠르게 발전해 왔습니다. 차세대 염기서열 분석을 도입하고 활용함으로써, 임상 실험실은 이제 유전자형 분석, 단일 유전자, 유전자 패널, 엑솜, 게놈, 전사체 및 후생유전학 검사에 이르는 점점 더 많은 유전자 검사 카탈로그를 수행하고 있습니다. 증가된 복잡성으로 인해, 이러한 유전자 검사의 전환은 서열 변이 해석에 새로운 과제를 수반했습니다. 이러한 맥락에서 ACMG는 2013년에 ACMG, AMP(Association for Molecular Pathology) 및 College of American Pathologists의 대표들로 구성된 작업 그룹을 구성하여 서열 변이 해석에 대한 표준 및 지침을 재검토하고 개정하기 시작했습니다. 이 그룹은 임상 실험실 책임자와 임상의로 구성되었습니다. 이 보고서는 ACMG, AMP 및 College of American Pathologists의 이해 관계자들의 의견을 반영한 작업 그룹의 전문가 의견을 나타냅니다. 이러한 권장 사항은 주로 임상 실험실에서 사용되는 유전자형 분석, 단일 유전자, 패널, 엑솜 및 게놈을 포함한 광범위한 유전자 검사에 적용됩니다. 이 보고서는 "병원성", "개연성이 높은 병원성", "의의 불명", "개연성이 높은 양성", "양성"이라는 특정 표준 용어를 사용하여 멘델 장애를 유발하는 유전자에서 발견된 변이를 분류할 것을 권장합니다. 또한, 이 권장 사항은 일반적인 변이 증거 유형(예: 인구 데이터, 계산 데이터, 기능 데이터, 분리 데이터)을 사용하여 변이를 이러한 5개 범주 중 하나로 분류하기 위한 프로세스를 설명합니다. 이 보고서에서 설명된 임상 유전자 검사의 분석 및 해석의 복잡성이 증가함에 따라, ACMG는 임상 분자 유전자 검사를 Clinical Laboratory Improvement Amendments(CLIA) 승인 실험실에서 수행하고 결과를 임상 분자 유전학자 또는 분자 유전학 병리학자 또는 이와 동급의 자격을 갖춘 사람이 해석할 것을 강력히 권장합니다.

**개요**

이 문서는 임상 분자 유전학자에게 도움을 주기 위한 ACMG 및 AMP의 공동 합의 표준 및 지침을 제공합니다. 이 지침은 서열 변이 해석에 관한 것입니다. ACMG는 이전에 서열 변이 해석에 대한 지침을 개발했습니다. 지난 10년 동안, 차세대 염기서열 분석 기술은 고속 처리량의 차세대 염기서열 분석의 출현으로 빠르게 발전해 왔습니다. 차세대 염기서열 분석을 도입하고 활용함으로써, 임상 실험실은 이제 유전자형 분석, 단일 유전자, 유전자 패널, 엑솜, 게놈, 전사체 및 후생유전학 검사에 이르는 점점 더 많은 유전자 검사 카탈로그를 수행하고 있습니다. 증가된 복잡성으로 인해, 이러한 유전자 검사의 전환은 서열 변이 해석에 새로운 과제를 수반했습니다. 이러한 맥락에서 ACMG는 2013년에 ACMG, AMP(Association for Molecular Pathology) 및 College of American Pathologists의 대표들로 구성된 작업 그룹을 구성하여 서열 변이 해석에 대한 표준 및 지침을 재검토하고 개정하기 시작했습니다. 이 그룹은 임상 실험실 책임자와 임상의로 구성되었습니다. 이 보고서는 ACMG, AMP 및 College of American Pathologists의 이해 관계자들의 의견을 반영한 작업 그룹의 전문가 의견을 나타냅니다. 이러한 권장 사항은 주로 임상 실험실에서 사용되는 유전자형 분석, 단일 유전자, 패널, 엑솜 및 게놈을 포함한 광범위한 유전자 검사에 적용됩니다. 이 보고서는 "병원성", "개연성이 높은 병원성", "의의 불명", "개연성이 높은 양성", "양성"이라는 특정 표준 용어를 사용하여 멘델 장애를 유발하는 유전자에서 발견된 변이를 분류할 것을 권장합니다. 또한, 이 권장 사항은 일반적인 변이 증거 유형(예: 인구 데이터, 계산 데이터, 기능 데이터, 분리 데이터)을 사용하여 변이를 이러한 5개 범주 중 하나로 분류하기 위한 프로세스를 설명합니다. 이 보고서에서 설명된 임상 유전자 검사의 분석 및 해석의 복잡성이 증가함에 따라, ACMG는 임상 분자 유전자 검사를 Clinical Laboratory Improvement Amendments(CLIA) 승인 실험실에서 수행하고 결과를 임상 분자 유전학자 또는 분자 유전학 병리학자 또는 이와 동급의 자격을 갖춘 사람이 해석할 것을 강력히 권장합니다.

**중요 포인트**

*   ACMG 및 AMP는 서열 변이 분류를 위한 새로운 표준 및 지침을 개발했습니다.

*   이 지침은 멘델 질환에 관련된 유전자에서 발견된 변이를 분류하기 위한 것입니다.

*   이 지침은 "병원성", "개연성이 높은 병원성", "의의 불명", "개연성이 높은 양성", "양성"이라는 5개의 표준 용어를 사용합니다.

*   이 지침은 변이를 이러한 5개 범주 중 하나로 분류하기 위한 기준을 제공합니다.

*   이 지침은 임상 실험실에서 사용되는 유전자 검사의 복잡성이 증가함에 따라, 임상 분자 유전자 검사를 CLIA 승인 실험실에서 수행하고 결과를 임상 분자 유전학자 또는 분자 유전학 병리학자 또는 이와 동급의 자격을 갖춘 사람이 해석할 것을 권장합니다.

chatGPT

### 배경:

이 논문은 **미국 의학유전학 및 유전체학회(ACMG)**와 **분자병리학회(AMP)**의 공동 합의에 따라 작성된 **유전자 변이 해석을 위한 표준 및 가이드라인**에 관한 내용입니다. 최근 **차세대 시퀀싱(NGS)** 기술의 발전으로 인해 유전자 검사가 임상 실험실에서 점점 더 복잡해지고 있으며, 이에 따라 유전자 변이 해석에 대한 명확한 기준과 용어의 필요성이 대두되었습니다. 기존에는 일부 유전자에 대한 해석 가이드라인이 있었으나, 모든 유전자를 포괄하는 일관된 기준이 부족했습니다. 이러한 배경에서 ACMG와 AMP는 2013년에 전문가 그룹을 구성하여 유전자 변이 해석을 위한 통일된 표준과 가이드라인을 수립하게 되었습니다.

### 개요:

이 논문은 임상 실험실에서 사용하는 유전자 변이 해석의 표준 용어를 확립하고, 변이를 "병원성(Pathogenic)", "병원성 가능성 높음(Likely Pathogenic)", "불확실한 의미(Uncertain Significance)", "양성 가능성 높음(Likely Benign)", "양성(Benign)"의 5단계로 분류하는 것을 권장하고 있습니다. 변이의 해석은 다양한 증거(예: 인구 데이터, 계산 데이터, 기능적 데이터 등)를 바탕으로 이루어지며, 각 증거의 강도에 따라 변이가 분류됩니다. 또한, 변이 해석의 기준이 실제 임상 진단 및 환자 관리에 미치는 영향을 고려하여, 결과 해석에 대한 신중한 접근을 강조합니다.

### 중요 사항 요약:

1. **변이 분류 체계**: 유전자 변이는 5단계로 분류되며, 각 변이는 그에 따른 증거를 바탕으로 "병원성"에서 "양성"까지의 등급으로 해석됩니다.

2. **증거의 유형 및 강도**: 변이 해석을 위해 사용하는 증거는 인구 데이터, 기능적 연구, 유전적 데이터 등을 포함하며, 각 증거는 강도에 따라 매우 강함, 강함, 중간, 지원 등의 등급으로 나뉩니다.

3. **기능적 연구의 중요성**: 변이가 단백질 기능에 미치는 영향을 평가하기 위해서는 실험적 증거가 중요한 역할을 합니다. 잘 확립된 **in vitro** 또는 **in vivo** 기능적 연구가 있으면 변이의 병원성을 뒷받침하는 강력한 증거로 사용될 수 있습니다.

4. **인구 데이터의 활용**: 변이가 일반 인구에서 얼마나 자주 나타나는지에 대한 데이터는 변이의 병원성을 평가하는 데 중요한 자료입니다. 일반 인구에서 변이가 너무 빈번하게 나타나면 그 변이는 병원성이 없을 가능성이 높습니다.

5. **임상적 적용**: 이 가이드라인은 임상 실험실이 유전자 변이 해석을 보다 정확하게 수행할 수 있도록 돕는 것을 목표로 하며, 최종적으로는 환자 관리와 치료에 도움을 줄 수 있도록 합니다.

NotebookLM

## ACMG 및 AMP의 염기서열 변이 해석 지침: 배경 및 주요 내용

**배경:**

2015년 미국 의학 유전체학회(ACMG)와 분자병리학회(AMP)는 급증하는 유전자 검사 데이터의 해석 및 보고 방식을 표준화하고자 “염기서열 변이의 해석을 위한 표준 및 지침”을 발표했습니다. 이는 차세대 염기서열 분석(NGS) 기술 발전으로 대량의 유전 정보 생성이 가능해지면서, 멘델 질환 관련 유전자 검사 결과에서 발견되는 다양한 염기서열 변이 해석에 일관성을 부여하고 임상적 유용성을 높이기 위한 노력의 일환입니다. 

* **NGS 기술 발전과 유전자 검사 확대:** NGS 기술의 발전은 유전자 검사를 통해 더 많은 유전자를 더 빠르고 저렴하게 분석할 수 있도록 하였습니다. 이는 단일 유전자 검사에서 다중 유전자 패널, 그리고 전체 엑솜 및 유전체 염기서열 분석으로 검사 범위를 확대시키는 계기가 되었습니다.

* **염기서열 변이 해석의 복잡성 증가:** 유전자 검사 범위의 확대는 더 많은 염기서열 변이를 발견하게 되면서 그 해석의 복잡성을 증가시켰습니다. 특히 희귀 변이나 새로운 변이의 경우, 기존 정보만으로는 임상적 유의성을 판단하기 어려운 경우가 많았습니다.

* **표준화된 해석 지침의 필요성:**  다양한 유전자 검사 방법과 분석 도구가 사용되면서, 검사 기관이나 연구자에 따라 변이 해석 기준 및 결과 보고 방식이 달라질 수 있다는 문제점이 제기되었습니다. 이러한 문제는 유전자 검사 결과의 정확성 및 신뢰성 저하,  그리고 환자 진료의 비효율성을 초래할 수 있기 때문에 표준화된 해석 지침 마련이 시급했습니다.

**논문의 개요:**

본 논문에서는 멘델 유전 질환 관련 유전자 검사에서 발견된 염기서열 변이를 임상적 유의성에 따라 5단계 (**병원성**, **병원성 가능성 높음**, **의미 불분명**, **양성 가능성 높음**, **양성**)로 분류하는 표준화된 체계와  각 분류 단계를 결정하기 위한 구체적인 기준을 제시하고 있습니다. 또한, 변이 해석에 활용 가능한 다양한 증거 유형과 각 증거의 강도,  그리고 여러 증거를 조합하는 규칙 등을 상세히 설명하고 있습니다.

**주요 내용 요약:**

* **변이 분류:** 5단계 분류 체계 (병원성, 병원성 가능성 높음, 의미 불분명, 양성 가능성 높음, 양성)를 사용하여 변이의 임상적 유의성을 명확하게 구분합니다.

* **분류 기준:** 변이 종류, 위치, 빈도, 기능적 영향, 가족력 정보 등 다양한 증거를 사용하여 변이를 분류합니다.

* **증거 강도:** 각 증거는 강도에 따라 "매우 강함", "강함", "보통", "지지" 등급으로 분류됩니다.

* **증거 조합 규칙:**  여러 증거를 조합하여 최종 분류 등급을 결정하는 규칙을 제시합니다.

* **보고 지침:**  보고서에 변이 분류 등급, 분류 근거, 추가 검사 필요성 등을 명확하게 기술하도록 권고합니다. 

**본 논문은 멘델 유전 질환 관련 유전자 변이 해석에 대한 표준화된 지침을 제공함으로써, 유전자 검사 결과의 정확성과 신뢰성을 높이고,  궁극적으로 환자 진료 개선에 기여하고자 합니다.**

gemini가 교묘하게 첫문장을 끼워놓고 동어반복을 했네요. 깜빡 속을뻔...

음... ACMG/AMP 가이드라인은 LLM 요약본 보다는 본문의 Table 3, Table 4 그리고 Figure 1을 봐야 봤다고 할 수 있는 내용이니 꼭 본문의 Table과 Figure를 보시기 바랍니다. 

그리고 이 가이드라인은 한 번으로 끝나는게 아니라 시리즈로 나오다보니 이번 기회에 한번 씩 LLM에게 읽혀보도록 하겠습니다.  :)

출처: @wm_ohmygirl