Comment résumeriez-vous votre étude pour un public profane ?
Notre étude introduit un nouvel outil appelé FUSE (Functional Substitution Estimation) qui aide les scientifiques à mieux comprendre comment les changements génétiques affectent les protéines. Les variantes génétiques peuvent modifier le fonctionnement d’une protéine, conduisant potentiellement à des maladies. De nouvelles expériences basées sur CRISPR peuvent nous aider à comprendre l’impact des variantes génétiques en installant ces changements dans l’ADN des cellules. FUSE combine les données de plusieurs de ces expériences pour prédire avec plus de précision l'impact de modifications génétiques spécifiques, même pour des mutations qui n'ont pas encore été testées. Ces progrès peuvent fournir de meilleures preuves pour comprendre les impacts des variantes génétiques, ce qui peut à terme aider les médecins à identifier plus efficacement les mutations nocives, conduisant ainsi à de meilleurs soins aux patients et à des traitements personnalisés.
Quel manque de connaissances votre étude contribue-t-elle à combler ?
Dans cette étude, nous visions à améliorer la précision de l’interprétation de la manière dont les mutations génétiques affectent la fonction des protéines, ce qui est crucial pour comprendre le risque de maladie. Les tests de criblage fonctionnel à haut débit, comme l’analyse mutationnelle approfondie, produisent de grandes quantités de données sur l’impact des mutations sur les protéines. Cependant, les mesures individuelles de ces tests peuvent être bruyantes en raison de la variabilité expérimentale, ce qui rend difficile l'estimation précise de l'effet de chaque variante.
Qu’est-ce qui vous a poussé à poursuivre des recherches dans ce domaine ?
Ces dernières années, on a assisté à une augmentation significative des études visant à mesurer expérimentalement l’impact des variantes génétiques dans le génome humain. Ces efforts ont produit des centaines de milliers de résultats de dépistage à partir d’essais fonctionnels à haut débit. Cependant, chaque mesure individuelle peut être affectée par le bruit statistique et la variabilité expérimentale, ce qui peut limiter la précision des estimations lorsqu'elles sont considérées isolément.
Motivées par ce défi, nos équipes de recherche ont reconnu l’opportunité d’améliorer la précision de ces estimations d’impact variable en analysant collectivement la grande quantité de données disponibles. En intégrant les résultats de nombreuses études, nous avons cherché à réduire le bruit inhérent aux expériences individuelles et à améliorer la fiabilité de chaque estimation.
Nos deux laboratoires ont combiné leur expertise informatique et expérimentale pour résoudre des problèmes complexes en génomique. Cette synergie nous a permis de développer une nouvelle approche qui exploite à la fois les méthodes informatiques et les données expérimentales pour affiner les résultats. Notre objectif était de créer un outil qui non seulement fait progresser notre compréhension des variantes génétiques, mais constitue également une ressource précieuse pour la communauté scientifique, contribuant ainsi à améliorer les soins aux patients et la médecine personnalisée.
Quelles méthodes ou approches avez-vous utilisées ?
Pour résoudre ce problème, nous avons développé FUSE. Nous avons collecté et intégré des données provenant de plus de 100 ensembles de données de criblage expérimental fonctionnel couvrant de nombreux gènes. En analysant collectivement ce vaste ensemble de données, FUSE réduit le bruit et améliore la précision des estimations d’impact fonctionnel pour chaque variante. Nous avons également créé une nouvelle matrice de substitution d'acides aminés appelée FUNSUM, dérivée de données de haute qualité et débruitées, qui permet d'ajuster les impacts fonctionnels attendus au niveau des résidus.
Qu'avez-vous trouvé ?
Nos résultats ont démontré que FUSE améliore considérablement la fiabilité des estimations fonctionnelles, améliore la classification des variantes pathogènes et bénignes dans des bases de données cliniques comme ClinVar et prédit mieux le risque de maladie chez les patients présentant des variantes rares, comme le montrent les données de la biobanque britannique.
Quelles sont les implications ?
Notre travail a des implications cliniques significatives pour les soins aux patients et la médecine de précision. En fournissant des évaluations plus précises des impacts des variantes génétiques, FUSE peut aider les cliniciens et les conseillers en génétique à mieux distinguer les mutations nocives des mutations bénignes, en particulier celles actuellement classées comme « variantes d'importance incertaine » (VUS). Cette interprétation améliorée peut conduire à des diagnostics plus précis, à des évaluations de risque personnalisées et à une prise de décision éclairée concernant les stratégies de prévention et les options de traitement pour les patients.
De plus, en saisissant les effets des variantes non dépistées là où un certain dépistage a déjà eu lieu à proximité, FUSE comble les lacunes causées par les limitations des essais expérimentaux, élargissant ainsi la gamme de variantes pouvant être évaluées. Cela signifie que nous pouvons fournir des estimations fiables de l’impact fonctionnel, même pour les mutations qui n’ont pas été directement testées en laboratoire.
Quelles sont les prochaines étapes ?
Les prochaines étapes consistent à appliquer FUSE à un plus large éventail d’approches de criblage fonctionnel, telles que les plateformes émergentes telles que l’édition de base et principale. Nous visons à mesurer davantage la force du soutien clinique fourni par nos scores fonctionnels imputés qui n'ont pas été initialement examinés. En collaborant avec les communautés scientifiques et médicales au sens large, nous espérons intégrer FUSE dans les outils et bases de données existants, contribuant ainsi à améliorer les résultats pour les patients grâce à une médecine de précision améliorée.
