A unified framework for quantitative splicing and transcript prediction.

Apprentissage profond entraîné de bout en bout sur l'usage des sites d'épissage, des jonctions et des transcrits chez plusieurs espèces de mammifères

SpliceAI2 est un modèle d'apprentissage profond entraîné de bout en bout sur l'usage des sites d'épissage, des jonctions et des transcrits chez plusieurs espèces de mammifères. Il reconstruit des transcrits complets directement à partir de la séquence génomique et améliore nettement l'identification des variants altérant l'épissage et la quantification de leurs effets, sur des benchmarks d'épissage cryptique, de QTL d'épissage et d'essais rapporteurs massivement parallèles. Des données populationnelles valident indépendamment les effets prédits, par des signatures de sélection naturelle et des variations de l'abondance des protéines plasmatiques. Dans une cohorte de maladies rares, les variants prédits comme altérant l'épissage sont fortement enrichis dans les gènes associés aux maladies et expliquent 15 % de l'excès de fardeau génétique, dont environ la moitié en région intronique profonde, probablement manquée par l'exome.

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

Preprint non relu par les pairs. Prédire non seulement qu'un variant altère l'épissage mais aussi quels transcrits en résultent est exactement ce qu'il faut pour argumenter un effet sur l'ARN avant tout test fonctionnel. Le chiffre clinique qui compte est la part des introns profonds dans l'excès de fardeau, qui plaide pour leur analyse systématique sur génome ; l'abstract ne donne cependant ni la taille de la cohorte, ni un gain de diagnostics, ni la disponibilité du modèle.

Analyse par Dr Thibaut Benquey