DisoPatho: A Cross-View Feature-Adaptive Interaction Encoding Framework for Predicting Disease-Associated Variants in Intrinsically Disordered Regions.

Architecture centrée sur la mutation, le site du variant servant d'ancre, associant des représentations énergétiques propres aux régions intrinsèquement désordonnées à des plongements de modèles de langage protéique, sans descripteur structural explicite ni alignement multiple.

Les régions intrinsèquement désordonnées (IDR) échappent largement aux prédicteurs de pathogénicité, faute de conformation structurale stable et en raison de leur forte variabilité de séquence. DisoPatho est un cadre d'apprentissage profond dédié à ces régions, dont l'architecture est centrée sur la mutation, le site du variant servant d'ancre à la construction des caractéristiques, et qui associe des représentations énergétiques propres aux IDR à des plongements issus de modèles de langage protéique (xTrimoPGLM et Evolutionary Scale Modeling), sans descripteur structural explicite, alignement multiple ni score de conservation construit à la main. En validation croisée à 5 blocs, il atteint des AUC moyennes de 0,899 et 0,840 et des exactitudes de 0,862 et 0,860 sur deux jeux de données. Sur un jeu de test indépendant fortement confondu, où les contraintes phylogénétiques n'apportent qu'un signal discriminant limité, il obtient une amélioration relative de 50,2 % du coefficient de corrélation de Matthews par rapport à AlphaMissense sur leurs variants respectivement prédictibles, avec une couverture de prédiction plus large. Le code, les jeux de données et les prédictions sont disponibles pour un usage académique.

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

L'angle est pertinent : les régions désordonnées sont précisément là où les prédicteurs adossés à la structure, AlphaMissense en tête, sont les moins fiables, et une couverture élargie a une valeur pratique quand un faux-sens tombe dans un segment désordonné. Il faut toutefois lire le gain de 50,2 % pour ce qu'il est — une amélioration relative d'un coefficient de corrélation sur un jeu de test choisi, restreinte aux variants prédictibles par chacune des deux méthodes — et non comme un gain diagnostique. Sans calibration en poids de preuve ni évaluation sur des variants classés en routine, l'outil reste une aide à l'hypothèse, pas un critère de classification.

Analyse par Dr Thibaut Benquey