Vision-Based Genomic Model for Copy Number Variant Pathogenicity Prediction.

Représentation spatiale des CNV en images multi-pistes à résolution nucléotidique → modèle de vision (TESSERACT) exploitant les patterns de co-occurrence d'annotations génomiques

Les approches actuelles de prédiction de pathogénicité des CNV réduisent ces variants à des features numériques régionales, perdant la structure positionnelle exploitée par les experts cliniciens. TESSERACT représente chaque CNV sous forme d'image multi-pistes à résolution nucléotidique et applique un modèle de vision pour capturer les patterns spatiaux entre pistes d'annotation. Évalué sur des CNV cliniquement interprétés, le modèle surpasse les approches numériques existantes et reproduit mieux les décisions d'experts.

Synthèse rédigée par Geno'X. Pour l'abstract original complet, consulter la publication source.

L'approche par représentation image des CNV est conceptuellement élégante et biologiquement motivée — elle mime la façon dont un généticien experimente visuellement un CNV sur un navigateur génomique. Preprint à suivre pour la validation clinique et la publication peer-reviewed, mais l'angle est prometteur pour améliorer la classification automatisée des CNV dans les pipelines diagnostiques.

Impact clinique : 2/3 · Solidité de l'évidence : 2/3 · Nouveauté : 2/2 · Effectif : 1/1 · Statut publication : -1/1 → Total : 6/10