Grande modelo de linguagem classifica evidências prévias em associações gene-fenótipo

O que aconteceu

A crescente escala de estudos de associação genoma-larga e raro-variante está mudando o gargalo da descoberta para a interpretação, o que requer posicionamento de cada nova associação contra evidências prévias. Apresentamos o PESTO (Status Previor Evidence from Text and Ontologias), um framework baseado em fontes que combina curadoria de literatura baseada em modelos de linguagem de grande porte com evidências genéticas estruturadas para classificar associações gene-fenótipos como romance, hipotetizado, existente ou estabelecido. Aplicado a 940 associações significativas de dois estudos raros, o PSTO classificou 7% como romance, sem evidência prévia identificada, e 21% como hipotetizado, com suporte apenas indireto ou mecanicista. Através de benchmarks independentes, o PSTO concordou com a curadoria de genes-doença especialista e recuperou associações recentemente relatadas mal captadas pelo conhecimento modelo. Longitudinalmente, as associações hipotetizadas eram mais prováveis do que as novas para mais tarde adquirir suporte genético humano. Paisagens de evidência derivadas de PESTO recuperaram padrões específicos da doença de restrição, expressão e função gênica. Assim, o PSTO fornece um quadro interpretável para avaliar a novidade e priorizar os achados genéticos para o seguimento.