P-KNN: joint calibration of multiple pathogenicity prediction tools streamlines variant classification.

Calibration conjointe de plusieurs prédicteurs de pathogénicité : chaque variant est situé dans un espace multidimensionnel de scores et sa probabilité de pathogénicité est estimée par la proportion de voisins pathogènes.

Les recommandations de classification exigent de convertir les scores des prédicteurs de pathogénicité en probabilités correctement calibrées, mais la méthode de calibration existante n'est valide qu'à condition de s'engager a priori sur un seul outil, ce qui interdit aux laboratoires d'exploiter des outils aux forces complémentaires. P-KNN lève cette contrainte en calibrant conjointement n'importe quel ensemble d'outils : chaque variant est représenté dans un espace multidimensionnel défini par les scores, et la probabilité de pathogénicité est estimée à partir de la proportion de voisins pathogènes. Comparée à la calibration mono-outil de plusieurs prédicteurs et de méta-prédicteurs à quatre moments historiques, la méthode fait mieux sur la force de preuve globale et sur l'accord entre probabilités calibrées et fréquences réelles de pathogénicité. La force de preuve continue de s'améliorer lorsque de nouveaux outils sont ajoutés, et la méthode intègre correctement des preuves computationnelles et expérimentales corrélées que les protocoles actuels surestiment. Le code et des scores précalculés sont publiquement disponibles.

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

C'est très exactement le verrou que rencontrent les laboratoires : devoir choisir son prédicteur avant d'avoir vu le variant, alors que les outils divergent selon le gène et le type de substitution. Le traitement de la corrélation entre preuve computationnelle et preuve fonctionnelle est le point le plus utile en pratique, car c'est là que les grilles de classification comptent deux fois la même information et gonflent artificiellement la force de preuve. La limite est structurelle : tout l'étalonnage dépend des jeux de variants de référence, et une méthode par voisinage est aussi biaisée que la densité de variants classés autour du variant à évaluer.

Analyse par Dr Thibaut Benquey