Beyond the linear genome: how reference bias threatens preventive medicine and geroscience.

Allèles mineurs de référence de l'assemblage linéaire GRCh38 générant de fausses annotations à fort impact (SLC37A4, CIMIP2A, GPR33) lors de la classification automatisée des variants ; piste des références pangénome en graphe.

L'assemblage linéaire GRCh38 contient des allèles mineurs de référence, qui constituent une vulnérabilité structurelle pour la classification automatisée des variants dès lors qu'un génome patient est comparé à cette référence. Les auteurs rapportent une série de cas observationnelle de 20 adultes en bonne santé ayant bénéficié d'un séquençage de génome préventif, traité par un pipeline automatisé aligné sur GRCh38, en ciblant les positions où GRCh38 diffère de l'allèle majeur consensus de la population. Chez les 20 participants (100 %), l'alignement linéaire a systématiquement classé à tort des allèles majeurs fonctionnels comme annotations faussement positives « à fort impact » à trois positions distinctes, dans SLC37A4, CIMIP2A et GPR33, le seul fait que le logiciel définisse mathématiquement l'état sauvage sain comme un écart par rapport à l'allèle mineur de référence expliquant ces artéfacts, confirmés bénins et majoritaires dans gnomAD. Les auteurs soulignent en outre un risque théorique de faux négatifs si ces allèles de référence masquent de véritables variants pathogènes, et estiment que les filtres de fréquence populationnelle appliqués en aval, s'ils gèrent les faux positifs, constituent une rustine intenable à l'échelle du dépistage populationnel — d'où l'intérêt d'un passage aux références pangénome en graphe, sous réserve des défis calculatoires et de standardisation.

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

Le phénomène des allèles mineurs de référence est connu de longue date et déjà neutralisé, dans les laboratoires diagnostiques sérieux, par les filtres de fréquence populationnelle — la valeur de cet article n'est donc pas la découverte mais la démonstration chiffrée, sur 20 génomes, qu'un pipeline automatisé livre l'artéfact à 100 % des sujets sains. Le message utile vise moins le diagnostic prescrit que le séquençage préventif direct et les grandes cohortes de vieillissement, où les rendus sont automatisés et la relecture experte plus rare. La limite est nette : trois positions décrites, aucune évaluation comparative d'une référence pangénome, et le risque de faux négatifs reste explicitement théorique.

Analyse par Dr Thibaut Benquey