EvORanker : l'IA qui révolutionne le diagnostic des maladies rares

Un espoir pour les familles en quête de diagnostic

EvORanker, un algorithme développé à l'Université hébraïque de Jérusalem, pourrait changer la donne pour les familles confrontées à des maladies rares. Publié dans Genetics in Medicine, cet outil a montré qu'il pouvait classer le gène responsable d'une maladie rare en première position dans 69 % des cas testés, et dans le top 5 dans 95 % des cas. Ces résultats surpassent ceux des outils existants, notamment pour les gènes peu connus.

L'algorithme compare les profils génétiques de plus de 1 028 génomes eucaryotes pour identifier les gènes qui ont co-évolué. Cette méthode repose sur l'idée que les gènes évoluant ensemble tendent à fonctionner ensemble dans l'organisme. En utilisant un signal évolutif croisé avec un réseau d'interactions protéiques de la base STRING, EvORanker parvient à pointer des gènes souvent négligés par d'autres méthodes.

Un diagnostic souvent long et incertain

Pour plus d'un quart des patients atteints d'une maladie rare, l'attente avant même le début de la recherche d'un diagnostic peut s'étendre sur près de quatre ans. Une fois cette recherche entamée, elle dure encore au moins un an et demi pour la majorité des patients. Le problème majeur n'est pas l'absence de données génétiques, mais plutôt l'incapacité à déterminer quel variant parmi les milliers repérés doit être examiné en premier.

Christina Canavati et Yuval Tabach, chercheurs à l'université hébraïque de Jérusalem, ont publié le 14 mars 2026 les résultats d'EvORanker. Cet outil, alimenté par l'intelligence artificielle, compare l'évolution des gènes sur plus de 1 000 espèces pour classer les suspects par ordre de probabilité.

Un outil de priorisation, pas un diagnostic final

Dans l'étude, plusieurs familles avec des enfants atteints d'un syndrome neurodéveloppemental grave attendaient un diagnostic depuis des années. Ce syndrome affecte le système nerveux, le squelette et la machinerie transcriptionnelle. EvORanker a désigné le gène SUPT4H1 comme candidat prioritaire. Des analyses complémentaires ont confirmé que des variants bialleliques dans ce gène causent un trouble jusque-là non décrit, avec dystonie, déficience intellectuelle et anomalies dentaires.

Yuval Tabach a déclaré : « Il existe des milliers de cas comme celui-là dans le monde qui passent entre les mailles de la médecine actuelle. Notre objectif était de donner aux patients et aux cliniciens un outil capable de trouver des réponses là où il n'en existait aucune. »

Cependant, classer SUPT4H1 en tête de liste ne suffit pas à diagnostiquer ces enfants. Après la priorisation par EvORanker, il a fallu vérifier que le variant identifié était bien pathogène, confirmer sa présence chez d'autres membres de la famille, réaliser des modélisations fonctionnelles sur le ver C. elegans et croiser des données transcriptomiques et protéomiques. Ce parcours a mobilisé des équipes à Jérusalem, Oslo et Barcelone, une infrastructure peu développée dans les hôpitaux.

Recommandations et perspectives futures

Les recommandations publiées en octobre 2025 dans Genome Medicine sur l'optimisation d'Exomiser et Genomiser soulignent que les performances dépendent directement de la qualité des symptômes saisis selon le vocabulaire standardisé HPO. Des termes imprécis ou incomplets peuvent faire perdre en pertinence la liste de candidats. Les 69 % et 95 % annoncés valent pour des données bien renseignées, dans des conditions de recherche contrôlées. Les études en cours devront établir si ces taux tiendraient sur des cohortes multi-ethniques, avec des dossiers partiels et sans généticien spécialisé.

L'outil est disponible pour les chercheurs et les cliniciens. L'équipe travaille à son application sur certains cancers, notamment pour comprendre pourquoi des tumeurs régressent de façon inattendue. Une piste mentionnée dans les travaux de Yuval Tabach, déjà co-publiés avec Gary Ruvkun, lauréat du prix Nobel, depuis 2013.