Talos montre qu'une réanalyse automatisée du génome peut fournir de nouveaux diagnostics en semaines, pas en années

Pour la plupart des patients atteints de maladies génétiques rares, le premier test génomique ne fournit pas de diagnostic, non pas parce que la réponse est absente des données, mais parce que notre compréhension du génome est encore incomplète. De nouvelles associations gène-maladie et classifications de variants sont publiées chaque année. Les données de séquençage stockées peuvent être réexaminées pour trouver des réponses qui étaient inconnues au moment du test initial. Le problème a toujours été l'échelle : la réanalyse est principalement manuelle, dépendante de cliniciens motivés et d'un personnel de laboratoire rare. En conséquence, la plupart des génomes ne sont jamais revus.

Une équipe internationale du Centre for Population Genomics, d'Australian Genomics, du Broad Institute et de Microsoft a maintenant publié une solution. Talos, un outil open source pour la réanalyse automatisée et itérative des données génomiques, montre qu'une réanalyse systématique peut être réalisable et précieuse à grande échelle. L'outil est délibérément conservateur. Il renvoie un petit ensemble de variants à haute confiance plutôt qu'une longue liste classée. Il concentre l'attention des cliniciens sur les variants dont les preuves de soutien ont changé depuis le dernier cycle d'analyse.

Philosophie de conception : spécificité plutôt que rappel

Talos réinterprète les appels de variants existants d'un patient par rapport à deux ressources publiques mises à jour en continu : PanelApp Australia pour les relations gène-maladie et ClinVar pour la pathogénicité au niveau des variants. Il exécute ensuite un algorithme de priorisation conçu pour faire remonter les variants les plus susceptibles de répondre aux critères ACMG/AMP pour le rapport clinique. Le pipeline utilise la structure familiale, le mode de transmission et le statut de novo, ainsi que les données phénotypiques lorsqu'elles sont disponibles, pour réduire l'ensemble des candidats.

Deux choix de conception distinguent Talos des autres outils. Premièrement, il est optimisé pour un faible taux de faux positifs. Sur un ensemble de validation de près de 1 100 patients, il a récupéré 90 % des diagnostics dans le champ tout en ne signalant que 1,3 variant candidat par patient pour un examen par un expert. Deuxièmement, lors des exécutions répétées, Talos ne renvoie que les variants dont les preuves de soutien ont changé depuis le cycle précédent, de sorte que les cliniciens voient des résultats véritablement nouveaux.

Validation par rapport à une analyse manuelle experte

L'équipe a évalué Talos par rapport à deux cohortes indépendantes qui avaient déjà subi une analyse manuelle minutieuse : la cohorte Australian Acute Care Genomics d'enfants et de nourrissons gravement malades, et la cohorte américaine Rare Genomes Project de familles avec des tests antérieurs non informatifs. Sur les trios de l'ACG, Talos a récupéré 90 % des diagnostics dans le champ avec une médiane de 1,3 variant candidat par famille. Les diagnostics manqués étaient principalement une conséquence de sa stratégie conservatrice : des variants récessifs sans support ClinVar que les analystes humains avaient classés à l'aide d'une configuration trans ou d'études fonctionnelles.

Fait crucial, Talos a maintenu le même point de fonctionnement sur la cohorte RGP, qui comprenait des probants allant jusqu'à 82 ans. Sur ces trios, il a récupéré 87 % des diagnostics dans le champ avec une médiane de 1,3 variant candidat par trio, montrant qu'il se généralise à travers les cohortes.

Dans une évaluation comparative directe avec Exomiser, un outil de priorisation largement utilisé, Talos a égalé sa sensibilité globale pour les petits variants mais a fonctionné à un point très différent sur la courbe précision-rappel. Exomiser classe et renvoie une liste large. Talos renvoie une liste courte et très spécifique. Dans une comparaison appariée, les deux outils étaient statistiquement indiscernables lorsque tous les variants classés d'Exomiser étaient examinés, mais Talos était significativement en avance une fois que l'examen était limité à un budget réaliste : les cinq premiers (p = 0,017) ou le premier (p < 0,0001) variants classés. Notamment, les deux outils ont fait remonter des variants différents, ce qui signifie qu'ils sont complémentaires et devraient être utilisés ensemble dans les workflows de diagnostic.

Déploiement à grande échelle

Talos a ensuite été déployé sur une cohorte de 4 735 individus testés mais non diagnostiqués, provenant d'études de recherche d'Australian Genomics et d'un seul laboratoire de diagnostic. La plupart des patients étaient des cas uniques avec des indications neurodéveloppementales, cardiaques, rénales ou neurologiques.

Talos a produit 241 nouveaux diagnostics chez 238 individus, soit un rendement supplémentaire de 5,1 %, chaque variant probablement causal ayant été ultérieurement confirmé comme pathogène ou probablement pathogène par des laboratoires accrédités. Les sources de ces diagnostics illustrent pourquoi la réanalyse est une approche si puissante :

• 32 % provenaient de nouvelles relations gène-maladie découvertes depuis le test initial
• 22 % provenaient de nouvelles preuves au niveau des variants (reclassifications)
• 45 % provenaient d'un filtrage et d'une analyse améliorés, y compris des types de variants tels que les CNV et les variants structuraux non examinés initialement, des filtres phénotypiques définis trop étroitement, et d'autres sources

Le rendement était cohérent entre les domaines cliniques (environ 5 à 6 % pour les indications neurodéveloppementales, cardiaques et rénales), mais les raisons différaient. Les nouvelles associations gène-maladie et les CNV dominaient les diagnostics neurodéveloppementaux, tandis que la reclassification des variants motivait la plupart des diagnostics cardiaques. Les données du génome ont surpassé celles de l'exome (6,1 % contre 4,8 %), en partie en atteignant des diagnostics non codants tels que RNU4-2 et un variant MRPL39 profondément intronique. Un thème récurrent était le retard dans les bases de connaissances conventionnelles : 59 % des nouveaux diagnostics gène-maladie n'étaient pas encore répertoriés dans OMIM au moment de la réanalyse, soulignant la valeur de l'utilisation d'une ressource mise à jour rapidement comme PanelApp Australia.

Réanalyse itérative : d'un événement ponctuel à un programme continu

L'équipe a ensuite exécuté Talos pendant 29 cycles itératifs mensuels. La plupart des diagnostics (92 %) sont survenus lors du premier passage d'une cohorte, mais la conception itérative a prouvé sa valeur sur deux fronts. Premièrement, elle a montré l'évolutivité de la réanalyse continue. Parce que les cycles ultérieurs ne renvoient que des preuves nouvellement exploitables, ils ont fait remonter en moyenne seulement un variant pour 200 cas tout au long du programme. Deuxièmement, elle a montré à quelle vitesse le système pouvait passer de la découverte scientifique au diagnostic. En moyenne, seulement 32 jours se sont écoulés entre l'apparition de nouvelles connaissances dans une base de données publique et la réception d'un diagnostic par un patient. Le cas le plus rapide a été résolu en une seule journée.

Le pipeline est suffisamment bon marché pour être exécuté en continu : annoter 1 000 génomes coûte environ 11 $, et un passage de réanalyse mensuel coûte quelques centimes par cohorte.

Perspectives

Talos transforme la réanalyse génomique d'un événement rare et à forte intensité de main-d'œuvre en un programme continu et automatisé qui peut suivre le rythme de la science. En optimisant la spécificité, il respecte le véritable goulot d'étranglement du temps d'examen par des experts. En s'appuyant sur des ressources partagées ouvertement et mises à jour fréquemment, il transforme les connaissances accumulées par la communauté mondiale en diagnostics pour des patients individuels, souvent en quelques semaines.

L'outil est open source et simple à déployer dans des environnements cloud comme Azure. L'équipe derrière Talos le considère comme une capacité fondamentale et attend avec impatience d'incorporer des modèles d'IA plus avancés pour comprendre et prédire les conséquences de la variation génétique dans la réanalyse des cas de maladies rares non résolus.