[PRESENTATION] J’ai créé un outil pour explorer toutes les mutations du corps humain grâce au ML

Pour travailler à ETH Zurich (équivalent MIT européen) j’ai eu un projet à faire.

J’ai construit un outil pour mieux comprendre comment certaines mutations dans les protéines peuvent conduire à des maladies. J'ai couvert la quasi totalité des mutations possibles du protéome humain.

https://huggingface.co/spaces/edohollou/mutvar

Je vous invite à tester la proteine POGLUT3 (Ubiquitine): Q5T4S7




Pour ça, j’ai travaillé sur un dataset couvrant des centaines de millions de variants, et j’ai utilisé Google Colab pour expérimenter et entraîner un modèle capable de combiner plusieurs signaux biologiques.

J’ai intégré différentes approches complémentaires :

- AlphaMissense : un modèle de deep learning qui prédit la probabilité qu’une mutation soit pathogène, en s’appuyant sur des signaux évolutionnaires et structurels
- ESM1b : un modèle de type “language model” appliqué aux protéines, qui permet d’estimer à quel point une mutation est “surprenante” d’un point de vue évolutionnaire
- ΔΔG (delta delta G) : une estimation de l’impact d’une mutation sur la stabilité de la protéine (est-ce qu’elle la déstabilise ou non)


L’idée est de combiner ces signaux pour proposer des hypothèses sur le mécanisme potentiel (stability, pockets, interface) avec un pourcentage de confiance:

- perturbation de la structure
- impact sur une interaction
- effet sur un site fonctionnel

cf le pourcentage de confiance ci dessous:



J’ai aussi ajouté des outils pour rendre tout ça explorable :

- des heatmaps mutationnelles (toutes les positions × substitutions possibles) pour visualiser rapidement les zones sensibles (via "Open landscape")



- un parser VCF, qui permet de charger les variants d’un individu et d’obtenir une première estimation de leur potentiel pathogène (via tools dans le menu)



Important : je ne considère pas ces résultats comme des vérités, mais comme des hypothèses guidées par les données.
Quand les signaux sont trop faibles ou contradictoires, je préfère ne pas assigner de mécanisme.

PS: j’ai limité à 2000 résultats chaque recherche pour le moment donc vous n’aurez pas l’entièreté des résultats

Un topic de qualité sur onche ?

Les protéines c'est pas ce qu il y a dans le poulet ?



En tout cas ça a l air impressionnant mais faut connaître le sujet avant donc je vais devoir revoir ce que signifie adn genes etc...

J'ai rien compris mais bravo elop

J'ai essayé de ne pas trop agrandir le pavé pour rentrer dans ces explication mais j'ai conscience que je perd du monde.
A moins d'avoir fait à minima S - SVT en première / terminale, la connaissance est acquise via l'auto apprentissage et la bio ça passionne pas grand monde

Pour faire court ton adn est une suite acides aminées qui encodent des protéines, une mutation dans l'adn implique une mutation dans la protéine. La proteine peut avoir comme job par exemple de tuer une cellule cancereuse. De permettre la division cellulaire. Etc... il y en a plus de 20 000 différentes

Merci! Je suis toujours en process pour le job, mais dans la shortlist des candidats. Je ne me fais pas d'illusions non plus, chez ETH on a la crème des chercheurs et ingénieurs.
Beaucoup des prix nobels sont passé par là, par exemple Albert Einstein.

Je sais que j'aurai jamais une 2e chance comme ça, j'y ai mit tout mon coeur dans cette app.

Merci c est intéressant donc je demanderai moi même à une IA de résumé ce que tu as fait et de m expliquer tout ce qui est proteine adn etc...en vulgarisant

Je pense que ce que tu as fait c est comme ça que les labos ou chercheurs vont travailler non ? C est à dire tu fais des probas/prédictions pour chercher faire d éventuelles decouvertes , d ailleurs en utilisant l IA qui elle même marche sur des probas

Oui c'est ça.

L'équipe où j'essaie de rentrer c'est 15 chercheurs, dont un mondialement connu qui est également professeur là-bas (publié dans Science et Nature)

Ils travaillent avec des super-ordinateurs et essaient de se départir de tous les biais pour créer des résultats qui ont du sens. Un peu comme ce que j'ai fait, sauf qu'il y a des inconnus, et je l'ai fait de manière plus niaise que les chercheurs, en utilisant uniquement 5 données pour estimer pathogénité de chaque variant. D'où le nombre élevé d' "unassigned".

J'étais en call avec le professeur chercheur hier, j'ai essayé d'avoir des infos, mais voilà ils font le travail de manière plus rigoureuse. Forcément...

En tout cas il m'a dit avoir été impressionné par l'outil. Il me recontact s'il souhaite continuer l'aventure avec moi.

Si tu veux un résumé en une ligne de mon travail, c'est: Je ne veux pas savoir uniquement si une mutation est dangereuse, je veux savoir par quel méchanisme elle l'est grace au machine learning. (On ne veut pas juste répondre à la question "Oui ou non" mais "Si oui pourquoi?")

J'ai pas compris le truc
Genre si j'envoie mon génome MyHeritage sur cet outil ça donne des infos sur mes variants?

Si on passait aux conclusions ?

Interessant ton outil

On observe déjà des info sur les aires de mutation critiques

Des info sur les protéines co-dépendantes ?

En relisant je me dis que les codépenances sont implicites et font parties des statistiques es modeles de base. Qui implique un moyennage sur les mutations les plus courantes.
Donc tu évalues une mutation unique, mais tu ne peux pas avoir d'info sur une paire de mutation

Je peux t’en faire protéine par protéine, c’est avec plaisir que je te propose une visio si tu souhaites avoir des pistes sur les conclusions à en tirer.

Mais attention, bien qu’une mutation peut causer des maladie, maladie auto immune, cancers etc… ce n’est pas pour autant qu’on sait le guérir. Savoir pourquoi aides juste à adapter le traitement et éviter de faire des choses inutiles.
Mais bien souvent une mutation hautement pathogène n’est pas guérissable.

Comme me disait le chercheur quand je lui posais des questions sur ses investissement, c’est pas tant d’en recevoir, il n’en a pas besoin de tant que ça, c’est est-ce que des investissements découleront de ses résultat pour guérir les patient?

On parle de plusieurs millions pour travailler sur un médicament. Est-ce que ça en vaut le coup? Les investisseurs trancheront mais dans la plupart des missenses pathogène, en cas de mutation moins commune quel est l’intérêt? Il faut que le médicament soit rentable.

Bref n’hésite pas à me mp si tu veux une visio

Au mieux je pourrais espérer être cité dans un article de Nature. Déjà ça je crois que je peux mourir tranquille

Oui tu peux le faire! Et voir si tu as de potentiels mutations qui peuvent te causer des maladies.
Cependant, ces résultats doivent être interprétés avec beaucoup de prudence : ce ne sont pas des diagnostics médicaux, mais des indications basées sur des modèles prédictifs.

Une prédiction « high risk » peut en fait être low, car chaque valeur n’est pas certaine à 100%

Je ne connais pas myheritage donc je viens de demander conseil à ChatGPT:

Télécharger ses données depuis MyHeritage

1. Va sur MyHeritage
2. Connecte-toi à ton compte
3. Va dans DNA
4. Clique sur “Manage DNA kits” (ou “Gérer les kits ADN”)
5. Sélectionne ton kit
6. Clique sur “Download raw DNA data”
7. Confirme (mot de passe + email de validation)

👉 Tu vas recevoir un lien pour télécharger un fichier .zip

⸻

⚠️ Important

Le fichier que tu récupères n’est pas un VCF :

* c’est un fichier texte brut (format propriétaire type SNP array)
* basé sur un sous-ensemble du génome (~600k–700k positions)

⸻

🔄 Conversion en VCF

Pour l’utiliser dans ton outil, il faut le convertir.

Options :

1. Outils en ligne

* Promethease
* DNA.Land
* ou convertisseurs spécialisés SNP → VCF

2. Outils techniques (plus propre)

* scripts Python
* outils bioinfo comme PLINK



Je serai curieux de savoir comment mon app gère les énormes fichiers, ça peut être une piste d’amélioration.

Et même permettre aux gens d’uploader leur fichier vcf directement et parser via l’app.

J’aimerais me spécialiser en bioinfo mais je suis dev senior

Arf faut que je corrige, je regarde ça rapidement et je te recontacte

Non justement, je ne l’ai pas précisé, mais le parsing se fait côté client sur ton navigateur, ce n’est pas un vrai download.
J’ai fait exprès pour la privacité des données

la maladie de Creutzfeldt-Jakob ?

Haaa c’est une longue histoire, je rêve de m’installer à Zurich, quitter le Luxembourg. Or en recherchant les offres d’emploi je tombe sur une offre d’emploi chez ETH.

Claude me déconseille de postuler, estime à moins d’1% de chance d’être recontacté. Mais pour moi c’était l’occasion d’enfin quitter le domaine de la finance. Alors je soigne ma lettre de motivation.

3 mois après je suis recontacté par le chercheur et me demande si je sous ouvert à leur créer un prototype.

Chose que je fais. Je suis ensuite recontacté pour un entretien (celui de mardi dernier) et entre temps mon prototype est devenu ce que je vous ai présenté là. (Nécessite encore beaucoup d’ajustement)

Il me disait que sur sa shortlist il n’y a que quelques bioinformaticiens et je suis le seul développeur encore en process.

Après j’ai toujours été passionné de lecture scientifique depuis tout petit, de biologie notamment, j’ai fait S-SVT. Gamin j’étais incapable de te lire un roman mais poussière d’étoile d’Hubert Reeves ça passait en quelque jours.

Bref il a senti qu’il y avait du potentiel je pense, bien que je parte avec une épine dans le pied, je lui ai expliqué que ça me permettrait de donner du sens à ma vie et d’avoir un impact mondial sur la population et la médecine.

Je dois aller en Suisse dans 10 jours, je vais profiter de l’occasion de lui proposer un café pour discuter.