Deux nouveaux outils de bioinformatique améliorent le diagnostic des maladies génétiques
Un algorithme d'IA détecte de manière plus fiable les variants structurels pathogènes dans le génome
Annonces
Les variantes structurelles et ce que l'on appelle les répétitions en tandem constituent des différences individuelles au sein du génome humain. Elles sont de plus en plus souvent associées à des maladies, mais leur analyse et leur interprétation posent des défis aux chercheurs. Dans deux nouvelles études publiées dans les revues « NAR Genomics & Bioinformatics » et « Genome Biology », le laboratoire de Martin Vingron à l’Institut Max Planck de génétique moléculaire présente aujourd’hui de nouveaux outils bioinformatiques. Ces outils sont conçus pour aider à identifier plus facilement les variants structurels pathogènes et les répétitions en tandem dans le génome, facilitant ainsi le diagnostic génétique de nombreuses maladies.
Grâce aux méthodes modernes de séquençage, les causes de nombreuses maladies peuvent être localisées avec précision dans le génome. Néanmoins, seuls environ 30 à 40 % des patients bénéficient d’un diagnostic moléculaire clair. Cela s’explique notamment par le fait que, pendant longtemps, l’attention s’est principalement portée sur les mutations ponctuelles, c’est-à-dire la substitution de lettres individuelles dans la séquence génétique. Ce n’est que récemment que les « variantes structurelles » et les « répétitions en tandem » ont pris le devant de la scène. Les variantes structurelles affectent des segments entiers du génome : ceux-ci peuvent être absents, dupliqués ou déplacés. Les répétitions en tandem, quant à elles, sont de courtes séquences répétées de nombreuses fois. Ces deux types de variations rendent chaque génome unique et sont de plus en plus souvent associées à des maladies. « L’approche la plus courante en diagnostic génétique est le séquençage à lectures courtes, qui lit de courts segments d’ADN », explique Nico Alavi, premier auteur de l’étude publiée dans *Genome Biology*. « Comme les variantes structurelles sont souvent plus grandes que les segments séquencés eux-mêmes, elles sont difficiles à détecter dans ces données. »
Des algorithmes informatiques apprennent à reconnaître les schémas des variants
Le groupe de recherche s’est désormais tourné vers l’apprentissage automatique. « L’idée centrale est que cette méthode nous permet d’apprendre les schémas qui se cachent derrière les véritables variantes structurelles et ainsi de classer correctement les nouvelles variantes », explique Nico Alavi. Cela rend les variantes structurelles utiles pour le diagnostic, car cela remédie à un problème majeur des méthodes précédentes, dans lesquelles des faux positifs apparaissaient souvent et devaient être vérifiés manuellement. Les chercheurs ont ensuite testé leur approche à l’aide de données de patients. Leur outil, baptisé « Dicast », a permis de détecter toutes les variantes structurelles pathogènes tout en filtrant un grand nombre d’artefacts de faux positifs.
Comptage des éléments répétitifs
Les « répétitions en tandem » constituent un cas particulier du génome individuel, qui se recoupe souvent avec les variantes structurelles. Il s’agit de séquences génétiques répétées plusieurs fois à la suite. Le nombre de ces répétitions varie considérablement tant chez les individus en bonne santé que chez les personnes atteintes d’une maladie. Les répétitions en tandem jouent donc un rôle important dans les tests de paternité et la médecine légale. En raison d’erreurs de réplication, elles sont également responsables de diverses maladies, notamment neurologiques. « Dans le deuxième article, nous avons développé un algorithme capable de compter rapidement et précisément, à partir de données de séquençage, la fréquence à laquelle un motif de base est répété. Nous proposons également un outil permettant de visualiser ces données », explique Martin Vingron. Cela permet d’identifier rapidement les répétitions pathologiques dans les données des patients, comme l’ont démontré les chercheurs dirigés par les premiers auteurs Lion Ward Al Raei et Maryam Ghareghani à l’aide d’exemples concrets.
Potentiel pour le diagnostic
Ces deux outils peuvent d’ores et déjà être utilisés dans la recherche fondamentale et dans les processus de diagnostic. Ils peuvent ainsi aider les chercheurs à répondre à des questions fondamentales sur le génome individuel. Dans le cadre d’applications cliniques, ils pourraient contribuer à établir des diagnostics précis pour des maladies rares. Certains chercheurs ont pour objectif de transformer le potentiel des variantes structurelles pour la recherche et la médecine en applications concrètes par le biais de la start-up Lucid Genomics. « Les technologies de séquençage actuelles, associées à nos algorithmes d’analyse spécialisés, laissent entrevoir une amélioration supplémentaire du diagnostic génétique », déclare Martin Vingron, auteur principal des deux études.
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.
Publication originale
Lion Ward Al Raei, Maryam Ghareghani, M-Hossein Moeinzadeh, et al.; "TandemTwister: scalable genotyping and advanced visualization of tandem repeats"; NAR Genomics and Bioinformatics, Volume 8, 2026-8-17
Nico Alavi, M-Hossein Moeinzadeh, Jakob Hertzberg, et al.; "dicast: a machine learning method for accurate structural variant detection from short-read sequencing data"; Genome Biology, Volume 27, 2026-9-16
Autres actualités du département science
