Prediction of human missense variant effects from functional evidence.

Prédiction de l'impact fonctionnel des variants faux-sens par apprentissage sur des données d'essais fonctionnels, indépendamment des étiquettes cliniques et des fréquences populationnelles.

La prédiction de l'effet des variants faux-sens reste un goulot d'étranglement du diagnostic, et les prédicteurs actuels s'appuient sur des issues cliniques ou des profils populationnels plutôt que sur des mesures directes d'impact fonctionnel, ce qui crée une circularité des données. Les auteurs présentent FuncVEP, une famille de prédicteurs entraînés sur des données fonctionnelles diversifiées pour estimer l'impact fonctionnel des variants faux-sens. FuncVEP généralise entre jeux de données et dépasse 48 prédicteurs existants sur un large éventail de benchmarks, portant l'exactitude de 78,8 % à 84,6 % sur les benchmarks fonctionnels et de 90,1 % à 92,4 % sur les benchmarks cliniques. Appliqué à la UK Biobank et au Mount Sinai Million Health Discoveries Program, il a permis d'identifier 210 nouvelles associations gène-phénotype impliquant 494 gènes liés aux déficits immunitaires héréditaires, avec un taux de découverte supérieur à celui des prédicteurs de référence.

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

L'intérêt principal n'est pas le gain d'exactitude, modeste sur les benchmarks cliniques avec 2,3 points, mais la rupture de la circularité : un prédicteur entraîné sur des mesures fonctionnelles ne réapprend pas ClinVar, ce qui rend son usage comme preuve computationnelle bien plus défendable devant une commission de classification. Reste la question décisive pour un laboratoire : la conversion de ces scores en probabilités calibrées exploitables dans les grilles ACMG, et la tenue de la performance sur les gènes dépourvus d'essais fonctionnels à haut débit — c'est-à-dire la majorité de ceux que l'on interroge en exome et en génome.

Analyse par Dr Thibaut Benquey