Identifier les maladies rares grâce à l’intelligence artificielle

Une équipe de chercheurs belges, emmenée par l’Institut Interuniversitaire ULB-VUB de Bioinformatique de Bruxelles (IB²), a mis au point une méthode d’intelligence artificielle permettant d’identifier, à partir d’une analyse informatique, les causes génétiques potentielles de maladies rares. Ces recherches, publiées dans la revue Proceedings of the National Academy of Sciences of the USA (PNAS) et Nucleid Acids Research (NAR) , pourraient ouvrir une nouvelle voie dans  le diagnostic des maladies génétiques.

L’équipe du Pr. Tom Lenaerts de l’ULB-VUB Interuniversity Institute of Bioinformatics in Brussels (IB²) vient de mettre au point un algorithme d’intelligence artificielle qui permet d’identifier – à partir d’une analyse informatique – des combinaisons de variants génétiques à l’origine de maladies rares. Conçu en co-promotion avec le Pr. Guillaume Smits (Centre de Génétique Humaine de l’ULB, Hôpital Erasme et Hôpital Universitaire Des Enfants Reine Fabiola), et en collaboration avec Yves Moreau & Jan Aerts (KU Leuven), Sonia Van Dooren (UZ Brussel), et Ann Nowé (Vrije Universiteit Brussel), cet algorithme baptisé VarCoPP (pour Variant Combinations Pathogenicity Predictor) est décrit dans un article de la revue Proceedings of the National Academy of Sciences of the USA (PNAS).

Pour la première fois, cet algorithme permet de prédire l’impact des combinaisons de variations génétiques sur le développement de maladies rares. Rappelons que, si 80% des maladies rares sont génétiques, prédire que tel variant dans le génome d’un patient est la cause d’une maladie reste une tâche complexe pour les cliniciens. Prédire si une combinaison de variants dans des gènes différents est pathogène et provoque une maladie rare devient exponentiellement difficile. C’est cependant une étape  nécessaire pour améliorer les diagnostics génétiques.

L’algorithme VarCoPP propose une approche innovante. Il permet de tester, en une fois, les combinaisons de nombreux variants dans des paires de gènes et de prédire leur pathogénicité potentielle. L’intelligence artificielle au cœur de VarCoPP a pour cela été entraînée sur la base de données de maladies rares DIDA (dida.ibsquare.be), mise au point par la même équipe en 2015, ainsi que sur des patients contrôles. Les chercheurs ont ensuite vérifié l’efficacité de prédiction de VarCoPP sur 23 autres combinaisons pathogènes, pour enfin isoler les prédictions les plus significatives, fiables à 95 et à 99%. L’équipe tente aujourd’hui d’utiliser ces résultats pour trouver les causes génétiques de maladies rares chez des patients pour lesquels aucune cause n'a pu être déterminée.

Baptisé ‘ORVAL’, cet algorithme est désormais disponible en ligne, afin de fournir un nouvel outil en ligne d’aide au diagnostic pour les cliniciens. La plateforme est décrite dans une publication dans la revue Nucleid Acids Research (NAR). VarCoPP pourrait en effet étudier et fournir des suggestions de combinaisons diagnostiques pour toute maladie pour laquelle des gènes causaux sont inconnus ou connus comme, par exemple, les centaines de gènes d’autisme ou d’épilepsie ou les 20 gènes du Syndrome malformatif de Bardet-Biedl, une maladie rare où les combinaisons de variants sont très présentes.

Cette recherche a été menée dans le cadre du projet ARC ”Deciphering Oligo- and Polygenic Genetic Architecture in Brain Developmental Disorders”, financé par la Fédération Wallonie-Bruxelles,  et du projet BRIGHTanalysis, financé par le Fond Européen du Développement Régional (FEDER) et la Région de Bruxelles-Capitale dans le cadre du Programme Opérationnel 2014-2020 par le biais du projet F11-08 ICITY-RDI.BRU (icity.brussels) - une initiative commune ULB, VUB et SIRRIS. Les recherches du Pr. Guillaume Smits bénéficient du soutien du Belgian Kids Fund du Fonds Iris-Recherche et du Fonds Erasme. Sofia Papadimitriou est soutenue par une bourse FRIA.

Le FEDER (Fonds européen de Développement Régional), est un outil de la politique régionale européenne qui a pour objectif de créer de nouvelles opportunités pour les citoyens européens et de réduire les écarts de niveau de vie entre les régions. Entre 2007 et 2013, le programme FEDER ,à travers l’intervention de la Région et de l’Europe, a ainsi investi 108 millions d’euros dans 32 projets de la Région Bruxelloise touchant à l'accueil de la petite enfance, à la remise à l'emploi, à la formation mais aussi au développement durable, au soutien aux activités économiques, au renforcement des infrastructures du territoire du canal et à sa cohésion sociale. La programmation actuelle (2014-2020) compte 46 projets qui touchent à l'accès à l'emploi, à la recherche, à l’économie circulaire, à l'innovation, et à l’amélioration de notre cadre de vie.  L’Europe et la Région investissent 200 millions € dans cette nouvelle programmation.

Contacts scientifiques:

Tom Lenaerts
E tlenaert@ulb.ac.be
T 02 650 60 04
M 0486 93 19 96

Guillaume Smits
E Guillaume.Smits@erasme.ulb.ac.be
T
02 555 64 39
T 02 555 82 97

www.ibsquare.be

Références 

Predicting disease-causing variant combinations          
Sofia Papadimitriou1,2,3, Andrea Gazzo1,2,4, Nassim Versbraegen1,2, Charlotte Nachtegael1,2, Jan Aerts5,6, Yves Moreau5,7, Sonia Van Dooren1,4,8, Ann Nowé1,3, Guillaume Smits1,9,10,* and Tom Lenaerts1,2,3,*

Publié dans Proceedings of the National Academy of Sciences (PNAS) le 24 mai 2019. https://doi.org/10.1073/pnas.1815601116

 

'ORVAL: a novel platform for the prediction and exploration of disease-causing oligogenic variant combinations'
Alexandre Renaux1,2,3, Sofia Papadimitriou1,2,3, Nassim Versbraegen1,2, Charlotte Nachtegael1,2, Simon Boutry1,11, Ann Nowé1,3, Guillaume Smits1,9,10, Tom Lenaerts1,2,3,*

Publié dans Nucleid Acids Research le 31 mai 2019.
https://academic.oup.com/nar/advance-article/doi/10.1093/nar/gkz437/5506854#136381890


1Interuniversity Institute of Bioinformatics in Brussels, Université libre de Bruxelles-Vrije Universiteit Brussel, 1050 Brussels, Belgium

2Machine Learning Group, Université libre de Bruxelles, 1050 Brussels, Belgium

3Artificial Intelligence lab, Vrije Universiteit Brussel, 1050 Brussels, Belgium

4Center for Medical Genetics, Reproduction and Genetics, Reproduction Genetics and Regenerative Medicine, Vrije Universiteit Brussel, UZ Brussel, 1090 Brussels, Belgium

5Center for Statistics, Universiteit Hasselt, 3590 Diepenbeek, Belgium

6Department of Electrical Engineering, STADIUS Center for Dynamical Systems, Signal Processing and Data Analytics, Katholieke Universiteit Leuven, 3001 Leuven, Belgium

7IMEC, 3001 Leuven, Belgium

8Brussels Interuniversity Genomics High Throughput core, Université libre de Bruxelles-Vrije Universiteit Brussel, 1090 Brussels, Belgium

9Hôpital Universitaire des Enfants Reine Fabiola, Université Libre de Bruxelles, 1020 Brussels, Belgium

10Center of Human Genetics, Hôpital Erasme, Université Libre de Bruxelles, 1070 Brussels, Belgium

11Laboratory of Human Molecular Genetics, de Duve Institute, UCLouvain, 1200 Brussels, Belgium