RankVar: machine learning-based variant ranking and reinterpretation for rare genetic diseases.

Classifieur random forest priorisant les variants causaux à partir des notes cliniques et des profils WGS/WES, entraîné sur ~1 million de variants

Intégrer le savoir biologique et l'information phénotypique aux données de variants reste un défi pour identifier les gènes de maladie. Les auteurs développent RankVar, un algorithme de machine learning priorisant les variants causaux à partir des notes cliniques et des profils WGS/WES. Le classifieur random forest est entraîné sur ~1 million de variants (1000 Genomes + variants pathogènes ajoutés). Testé sur plusieurs jeux indépendants, il atteint une précision top-10 de 90,0 % (CHOP), 81,5 % (BDB), 46,1 % (SSC) et 76,3 % (SPARK), avec une performance améliorée par rapport aux approches existantes.

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

Outil de priorisation directement utile au diagnostic des maladies rares, avec de bonnes performances sur cohortes mendéliennes réelles (top-10 à 90 % au CHOP). La chute sur les cohortes d'autisme (SSC 46 %) rappelle la limite des architectures complexes ; reste à intégrer dans les pipelines et à confronter aux prioriseurs déjà en routine.

Analyse par Dr Thibaut Benquey