SIEVE: Sparse Interpretable Exome Variant Explainer.

Cadre d'apprentissage profond lisant tous les variants exoniques observés sans filtre de fréquence, représentant la position génomique par auto-attention et calibrant les attributions contre une hypothèse nulle obtenue par permutation des étiquettes.

Les études cas-témoins d'exome contiennent des variations rares et communes, mais les méthodes d'analyse partitionnent généralement le spectre de fréquence, écartent le contexte positionnel ou dépendent d'annotations fixes. SIEVE est un cadre d'apprentissage profond de priorisation interprétable des variants et des gènes : il lit tous les variants exoniques observés sans filtre de fréquence, représente la position génomique par un mécanisme d'auto-attention et calibre les attributions contre une hypothèse nulle obtenue par permutation des étiquettes. Évalué sur la maladie coronarienne, l'infarctus du myocarde précoce et la maladie de Crohn, il atteint une discrimination conforme à l'attente du modèle à seuil de susceptibilité pour chaque trait, la récupération des associations déjà cataloguées augmentant avec la profondeur d'annotation. Comparé au test de fardeau, à l'association variant par variant et aux scores polygéniques, SIEVE identifie des candidats partiellement communs mais en grande partie distincts.

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

L'intérêt méthodologique est réel — se passer du seuil de fréquence et calibrer contre un nul par permutation évite deux biais classiques — mais le résultat annoncé est ambigu : des candidats « en grande partie distincts » des approches établies peuvent traduire un gain de sensibilité comme un excès de faux positifs, et rien dans ce qui est rapporté ne permet de trancher. Les trois traits testés relèvent de la génétique des maladies communes, pas du diagnostic mendélien : il n'y a ici aucune démonstration d'utilité en interprétation clinique. À suivre après relecture par les pairs et validation sur un jeu de gènes de référence.

Analyse par Dr Thibaut Benquey