DisPhaseDB 2.0: Improved interpretation of disease-associated variants in liquid-liquid phase separation proteins with agent-accessible querying.

Base de données alimentée par un pipeline Snakemake automatisé, exposée aux agents et modèles de langage par un serveur Model Context Protocol

DisPhaseDB recense les variants associés aux maladies dans les protéines capables de séparation de phase liquide-liquide, à l'origine des organites sans membrane. Cette version 2.0 s'appuie sur un pipeline Snakemake open source qui organise l'acquisition et le parsing des données en étapes traçables et alimente automatiquement la base depuis les bases sources, sans attendre une mise à jour manuelle. La nouvelle version élargit le nombre de protéines couvertes, augmente de 174 % la couverture des annotations de maladie et ajoute des annotations de signification clinique et de fréquence allélique. Les auteurs introduisent également un serveur Model Context Protocol qui permet aux agents et aux modèles de langage d'interroger directement les enregistrements par des opérations structurées, en ancrant les workflows génératifs sur une source de confiance. Dans un benchmark comparatif, la récupération de données via ce serveur atteint un score F1 moyen de 0,99, contre 0,30 pour une récupération générative non guidée.

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

Le contenu est niche — la séparation de phase reste éloignée du rendu diagnostique courant — mais la démonstration qui intéresse est ailleurs : l'écart de 0,99 contre 0,30 entre interrogation structurée et récupération générative libre chiffre exactement ce que coûte le fait de laisser un modèle de langage chercher seul. C'est l'argument à opposer à tout projet d'assistant d'interprétation non ancré. Réserve : ce F1 mesure la fidélité de la récupération, pas l'exactitude clinique de l'annotation récupérée, et la maintenance automatisée déplace le risque vers la qualité des bases sources.

Analyse par Dr Thibaut Benquey