A scalable approach to investigating sequence-to-function predictions from personal genomes.

Framework SAGE-net pour entraîner et évaluer des modèles séquence-fonction en utilisant des génomes personnels

SAGE-net est un framework scalable pour entraîner et évaluer des modèles séquence-fonction (S2F) en utilisant des génomes individuels plutôt que des génomes de référence.Les modèles S2F entraînés sur des génomes personnels améliorent partiellement la prédiction de l'expression inter-individuelle, mais les gains restent modestes dans les régions non-codantes complexes.Le framework permet de benchmarker systématiquement les modèles S2F existants sur leur capacité à prédire les effets fonctionnels de variants personnels.Le code est open source.

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

Les modèles séquence-fonction représentent la prochaine frontière pour la prédiction de pathogénicité des variants non-codants — SAGE-net fournit une infrastructure d'évaluation rigoureuse qui manquait dans ce domaine.La modestie des gains annoncés est en soi une information précieuse pour calibrer les attentes cliniques sur ces modèles.

Impact clinique : 2/3 · Solidité de l'évidence : 2/3 · Nouveauté : 1/2 · Effectif : 1/1 · Statut de publication : 1/1 → Total : 7/10