IA : Quelles variantes génétiques, quels effets sur la santé ?
Comment les variantes génétiques rares – ou pas- affectent-elles notre santé ? L' intelligence artificielle (IA) permet d’apporter des réponses, voire des prévisions plus précises, démontre cette équipe d’informaticiens de la santé du Deutsches Krebsforschungszentrum (DKFZ, Heidelberg). Ces travaux, publiés dans la revue Nature Genetics marquent une étape fascinante dans la compréhension de la prédisposition à certaines maladies et donc dans leur prévention et leurs résultats de traitement.
Car notre risque de certaines maladies, dont certaines très courantes, comme l’hypercholestérolémie par exemple, dépend dans une large mesure des variantes de notre génome. Cependant, en particulier dans le cas de variantes génétiques rares, l'influence sur la présentation de certains traits pathologiques reste extrêmement complexe à déterminer. L’équipe du DKFZ, avec des collègues du Laboratoire européen de biologie moléculaire (EMBL) et de l'Université technique de Munich ont développé un algorithme « révolutionnaire » qui exploite une technique d’IA, l'apprentissage profond et permet de prédire les effets des variantes génétiques rares. La méthode va ainsi permettre de constituer une base plus complète des gènes impliqués dans le développement des maladies, et, en pratique clinique, de
détecter les personnes à haut risque de maladie
Le génome de chaque personne diffère de celui de ses semblables par des millions de blocs de construction individuels. Ces différences dans le génome ou variants sont associés à des caractéristiques biologiques et à des maladies particulières. Ces corrélations sont généralement déterminées à l’aide d’études d’association pangénomique.
Cependant, l’influence des variants rares, qui n’apparaissent que dans 0,1 % ou moins de la population, est souvent statistiquement négligée dans ces études d’association.
L’un des auteurs principaux, Brian Clarke, note ainsi : « les variants rares ont pourtant et souvent une influence nettement plus grande sur la présentation d’une caractéristique biologique ou d’une maladie. Pouvoir les identifier va nous orienter vers de nouvelles approches thérapeutiques ».
L’étude a donc consisté à développer un outil d’évaluation des risques basé sur l’apprentissage automatique : « DeepRVAT » (pour rare variant association testing), basé sur l’intelligence artificielle (IA) et capable de déchiffrer les variantes génétiques rares à travers les données des études d’association pangénomiques.
- Le modèle a d’abord été formé sur les données génétiques de 161.000 participants de la UK Biobank, soit à partir d’environ 13 millions de variantes ;
- une fois « formé », l’outil s’est avéré capable de prédire pour chaque individu quels gènes sont altérés dans leur fonction par des variantes rares ;
- ensuite, et à partir de données d'analyses sanguines pertinentes pour la maladie, l’outil a identifié 352 associations avec les gènes impliqués, surpassant de loin tous les modèles existants ;
- ces résultats, obtenus avec DeepRVAT, validés sur d’autres ensembles de données, se sont avérés très robustes ;
- dans un second temps, DeepRVAT a donc pu être formé à l'évaluation de la prédisposition génétique à certaines maladies : les chercheurs ont intégré dans l’algorithme un score de risque polygénique basé sur des variantes génétiques plus courantes qui a permis d’amélioré la précision des prédictions, en particulier pour les variantes à haut risque ;
- la capacité de l’outil à détecter les corrélations génétiques pour de nombreuses maladies, notamment diverses maladies cardiovasculaires, types de cancer, maladies métaboliques et neurologiques a enfin été confirmée.
Faire progresser considérablement la médecine durable et personnalisée, c’est le grand potentiel de l’outil DeepRVAT qui fonctionne quel que soit le type de caractéristique et peut être combiné de manière flexible avec d'autres méthodes de test.
Mais son apport pourrait également être déterminant dans la détection et la prise en charge des maladies rares ».
Enfin, le système pourrait devenir un maillon essentiel dans la recherche fondamentale, sous la forme d’un progiciel convivial utilisable par différentes équipes, sur divers ensembles de données.
Source: Nature Genetics 25 Sept, 2024 DOI: 10.1038/s41588-024-01919-z Integration of variant annotations using deep set networks boosts rare variant association testing
Plus sur l’Intelligence artificielle (IA) en Santé
Cette actualité a été publiée le 5/11/2024 par
ABONNEMENT PREMIUM
Accédez sans limite à plus de 15 000 actualités