Dans une nouvelle étude, des chercheurs de l’École de médecine Icahn du Mont Sinaï ont présenté LoGoFunc, un outil informatique avancé qui prédit les variantes pathogènes de attain et de perte de fonction à travers le génome.
Contrairement aux méthodes actuelles qui se concentrent principalement sur la perte de fonction, LoGoFunc distingue différents sorts de mutations nocives, offrant ainsi des informations potentiellement précieuses sur diverses problems de maladies. Les résultats ont été décrits dans le numéro en ligne du 30 novembre de Genome Drugs.
Les variants génétiques peuvent altérer la fonction des protéines, certaines mutations augmentant l’activité ou introduisant de nouvelles fonctions (acquire de fonction), tandis que d’autres diminuent ou éliminent la fonction (perte de fonction). Ces changements peuvent avoir des implications significatives sur la santé humaine et le traitement des maladies.
« Les outils actuellement disponibles ne parviennent pas à faire la différence entre le acquire et la perte de fonction, ce qui nous a motivés à développer LoGoFunc. Cela est vital auto ces variantes ont un influence différent sur l’activité des protéines, influençant ainsi l’évolution de la maladie. Nous avons créé un outil innovant qui comble une lacune critique dans le domaine, fournissant un moyen pratique de comprendre les conséquences fonctionnelles des variations génétiques à as well as grande échelle », déclare le co-auteur correspondant principal Yuval Itan, PhD, professeur agrégé de génétique et de sciences génomiques et membre principal de l’Institut Charles Bronfman pour la médecine personnalisée à l’Icahn. Mont Sinaï.
LoGoFunc utilise l’apprentissage automatique formé sur une foundation de données de mutations pathogènes connues de acquire de fonction et de perte de fonction identifiées dans la littérature. Il prend en compte un significant éventail de 474 caractéristiques biologiques, y compris les données provenant des buildings protéiques prédites par AlphaFold2 et les caractéristiques de réseau reflétant les interactions entre protéines humaines. Testé sur des ensembles de la foundation de données sur les mutations génétiques humaines et de ClinVar, LoGoFunc a démontré une grande précision dans la prévision du get de fonction, de la perte de fonction et des variantes neutres, selon les enquêteurs.
« Au-delà de la médecine personnalisée, LoGoFunc a des implications pour la découverte de médicaments, le conseil génétique et l’accélération de la recherche génétique. Son accessibilité favorise la collaboration et offre une vue complète de l’impact des variantes sur le génome humain », déclare le co-auteur correspondant principal Avner Schlessinger, PhD, professeur. des sciences pharmacologiques et directeur associé du Mount Sinai Centre for Therapeutics Discovery. « Par conséquent, nous pensons que LoGoFunc est prometteur pour la médecine de précision, permettant la possibilité de traitements furthermore adaptés basés sur la structure génétique d’un individu. »
Les enquêteurs préviennent que même si ces résultats constituent un pas en avant significatif, leur traduction en apps cliniques nécessite une validation et une intégration moreover approfondies avec d’autres informations médicales. Les prédictions de LoGoFunc sont basées sur des données d’entraînement et des hypothèses inhérentes. Les initiatives de validation continus sont cruciaux pour obtenir des résultats fiables. Alors que les données génétiques continuent de croître, affiner les capacités de LoGoFunc et étendre sa portée sont des priorités pour les recherches futures.
« En comblant les lacunes, l’outil améliore notre compréhension des versions génétiques qui contribuent aux maladies, ouvrant la voie à des stratégies de traitement personnalisées et à la découverte de médicaments », déclare David Stein, premier auteur de l’étude et doctorant à Icahn Mount Sinai. « Nous pensons que LoGoFunc sera un outil puissant pour déchiffrer les conséquences fonctionnelles des variations génétiques. Bien que ses purposes potentielles soient vastes, les efforts de validation en cours garantiront son affect dans le monde réel. »
L’étude a été financée par la Fondation Leducq, la Fondation Helmsley (2209-05535), l’Institut Charles Bronfman pour la médecine personnalisée et les National Institutes of Well being (U01 CA271318, R01 GM108911 et R01 CA277794).
