Comment distinguer une mutation dangereuse d'une mutation inoffensive express
Dans une immense bibliothèque où chaque livre est un gène, il faut trouver une seule faute de frappe. L'erreur peut être anodine, ou bien changer complètement le sens de la phrase. C'est à peu près ainsi que les généticiens cherchent des mutations nocives parmi des millions de différences inoffensives.
Le programme, baptisé AnnotateMissense, agit comme un correcteur méticuleux. Il ne se contente pas de regarder la lettre remplacée : il rassemble tous les indices possibles — la fréquence de cette substitution chez les personnes en bonne santé, l'ampleur du changement de forme de la protéine, ce que disent d'autres programmes de prédiction, et même ce que révèle l'« écriture » de l'évolution, c'est-à-dire si cette région est restée inchangée chez différentes espèces. Au total, 303 indices ont été réunis.
Le plus intéressant s'est produit lorsqu'on a retiré des indices au programme. Sans les données sur la fréquence de la mutation dans la population et sans les indications des autres prédicteurs, la précision chutait brutalement — comme si le correcteur avait perdu son dictionnaire et son manuel de grammaire. En revanche, supprimer les évaluations à la mode issues des modèles de langage protéiques n'a presque rien changé au résultat. La version finale a été testée sur des données fraîches, apparues après l'apprentissage : la précision est restée élevée — 88 %. Ensuite, le programme a scanné l'intégralité du génome humain et a attribué des scores de danger à 90 millions de mutations.
Le mot « missens » dans le nom signifie que la mutation ne change qu'un seul acide aminé dans la protéine — comme le remplacement d'une seule lettre dans un mot. Mais même ce petit changement peut transformer « maison » en « fumée ».
Dans le film « Bienvenue à Gattaca », la société était divisée entre « valides » et « non-valides » selon un pronostic génétique — des programmes comme celui-ci rapprochent un peu ce scénario de la réalité.