Comment fonctionne GenGI ?

GenGI classe les variants génomiques selon les critères ACMG/AMP en s'appuyant sur Nucleotide Transformer (NT-v2, 50M paramètres) et Claude Sonnet, et génère un rapport clinique structuré en moins de 15 secondes.

Quels critères de classification GenGI utilise-t-il ?

GenGI applique 28 critères ACMG et classe chaque variant selon les 5 classes ACMG/AMP, du bénin au pathogène.

Quelles données GenGI analyse-t-il ?

GenGI analyse des variants génomiques annotés à partir de fichiers VCF, en croisant les données ClinVar et gnomAD.

Combien coûte GenGI ?

GenGI coûte 99€/mois, avec un essai gratuit de 30 jours sans carte bancaire.

← Retour aux outils

🧬 Génomique Clinique · IA Médicale

GenGI

Classification ACMG/AMP de variants génomiques propulsée par Nucleotide Transformer + Claude Sonnet — rapport clinique structuré en moins de 15 secondes.

< 15s

Analyse complète

Critères ACMG

Classes ACMG/AMP

NT-v2

50M paramètres

RGPD

Conforme

🧬 Essayer l'outil ↗ Voir l'algorithme ↓ 💳 99€/mois

medflow-ai.fr/gengi/

🧬 GenGI · Genome Interpretation

EN LIGNE Claude Sonnet

🔴 Pathogènes

🟡 VUS

🟢 Bénins

Total variants

🔬 Variant Analysis 🧑‍⚕️ Patient View 📐 Architecture ⬇️ CSV

Pathogenicity Scoring — NT-v2 + ACMG/AMP

BRCA1

chr17:43094692 G›A

0.9423 🔴 PATH

BRCA2

chr13:32340300 A›T

0.9127 🔴 PATH

TP53

chr17:7675088 C›T

0.8712 🔴 PATH

PALB2

chr16:23614892 G›C

0.5432 🟡 VUS

BRCA1

chr17:43115726 T›C

0.1183 🟢 BEN

🧬

Genomic Risk Score (Δ-embedding NT-v2)

68% risque génomique global

3/6 variants pathogènes · conseil génétique recommandé

ÉLEVÉ

🔴 BRCA1/BRCA2 pathogènes — Syndrome HBOC confirmé — consultation oncogénétique urgente

Fonctionnement

Comment ça marche ?

4 étapes automatisées pour transformer vos variants bruts en rapport clinique ACMG/AMP structuré.

📤

Saisie des variants

Saisissez vos variants en format standard (chrN:pos:REF>ALT), importez un VCF annoté ou utilisez les cas d'exemple BRCA1/BRCA2/TP53 préconfigurés.

Texte libre VCF upload Format HGVS

🧬

Encoding NT-v2

Nucleotide Transformer v2 (50M) encode les séquences ADN REF et ALT (±128 bp de contexte). Le vecteur Δ = embed(alt) − embed(ref) capture le décalage fonctionnel dans l'espace d'embedding.

NT-v2-50M ±128 bp contexte 512-dim embedding

🤖

Scoring + Classification ACMG

Le TransformerEncoder GenGI prédit un score de pathogénicité ∈ [0,1]. Claude Sonnet applique les 28 critères ACMG/AMP (PVS1, PS1–4, PM1–6, PP1–5, BA1, BS1–4, BP1–7) pour la classification finale.

28 critères ACMG ClinVar / gnomAD CADD / SIFT

📋

Rapport + Vue Patient

Rapport structuré 3 vues (Variant Analysis, Patient View, Architecture). Score de risque génomique global, interprétation XAI, export CSV clinique et consultation génétique automatique si HBOC détecté.

Score global XAI attribution Export CSV

Algorithmes Scientifiques

Classification ACMG/AMP + IA

Chaque variant est analysé selon les guidelines ACMG/AMP 2015 (Richards et al.) enrichis par les recommandations ClinGen 2022 et les bases de données génomiques de référence.

Classification ACMG/AMP — 5 Classes de Pathogénicité (Richards et al., Genetics in Medicine 2015)

Classe	Critères activés (exemples)	Interprétation clinique
🔴 Pathogène	PVS1 + PS1–PS4 combinés · variant perte de fonction dans gène haploinsuffisant	Causal de la maladie — conseil génétique, implications familiales directes
🟠 Probablement Pathogène	PS1 + PM1–PM3 · variant faux-sens au site fonctionnel critique	Très probablement causal — gestion clinique similaire à "pathogène"
🟡 VUS (Signification Incertaine)	PM2 + PP3 sans critères forts — fréquence faible gnomAD, prédicteurs in silico modérés	Interprétation supplémentaire requise — ségrégation familiale recommandée
🟢 Probablement Bénin	BS1 + BP4 · fréquence gnomAD > 1%, prédicteurs in silico bénins	Probablement non pathogène — surveillance non recommandée
🔵 Bénin	BA1 — fréquence gnomAD > 5% · polymorphisme commun confirmé	Non pathogène — exclusion définitive de causalité

Nucleotide Transformer v2 — InstaDeepAI / EMBL-EBI (Dalla-Torre et al., bioRxiv 2023)

Modèle de fondation génomique pré-entraîné sur 3 202 génomes humains (1000 Genomes Project) + 850 génomes multi-espèces. Tokenisation 6-mers, embedding CLS 512-dim.

Δ = embed(alt) − embed(ref) [512-dim] GenGI TransformerEncoder: Linear(512 → 256) Pre-LN TransformerEncoder 2L × 4H LayerNorm → GELU → Dropout → Linear(1) → σ → score ∈ [0,1] XAI: gradient × Δ → per-variant importance

Score ≥ 0.8 → Pathogène probable (PVS/PS activés)

Score 0.5–0.8 → VUS / probablement pathogène

Score ≤ 0.2 → Bénin (BA1/BS1 activés si gnomAD > 1%)

Critères ACMG/AMP — 28 Règles de Classification (Richards et al., Genet Med 2015)

Les 28 critères ACMG sont combinés selon un système de points pondérés pour déterminer la classification finale. Chaque critère apporte des preuves de pathogénicité (PVS, PS, PM, PP) ou de bénignité (BA, BS, BP).

PVS1 — Perte de fonction (nonsense, frameshift, splice site ±1/2) dans gène haploinsuffisant

PS1/PS2 — Même AA que variant pathogène connu / de novo confirmé

PM1/PM2 — Hotspot mutagénique / absent de gnomAD (< 0.0001)

PP1–PP5 — Co-ségrégation familiale / prédicteurs in silico (CADD > 20, SIFT < 0.05)

BA1 — MAF gnomAD > 5% → bénin sans exception

Fréquence Allélique — gnomAD v4.1 + 1000 Genomes Project

Interrogation de la base gnomAD (730 947 génomes, 4 populations) pour extraire la fréquence allélique (MAF) et l'homozygotie. Critère PM2 activé si MAF < 0.0001 dans toutes les populations.

PM2 activé si MAF < 0.0001 (toutes pop.) BS1 activé si MAF > 0.001 (fréquence élevée) BA1 activé si MAF > 0.05 (polymorphisme) Populations : AFR · AMR · ASJ · EAS · FIN NFE · OTH · SAS · MID

gnomAD v4.1 : 730 947 génomes WGS/WES séquencés

Filtre qualité : gnomAD PASS + couverture ≥ 20×

Prédicteurs In Silico — CADD · SIFT · PolyPhen-2 · SpliceAI

Combinaison de 4 prédicteurs in silico pour l'évaluation de l'impact fonctionnel d'un variant faux-sens. PP3 activé si ≥ 2 concordants, BP4 si ≥ 2 prédisent bénin.

CADD Phred > 20 → impact modéré (PP3) CADD Phred > 30 → impact élevé (PP3 fort) SIFT < 0.05 → délétère PolyPhen-2 > 0.908 → probably_damaging SpliceAI > 0.5 → altération épissage (PM5)

PP3 activé si CADD > 20 + SIFT < 0.05 concordants

BP4 activé si tous prédicteurs indiquent bénin

SpliceAI ≥ 0.8 → critère quasi-PVS1 pour splice variants

🔒

Conformité RGPD · Données Génomiques Protégées

GenGI a été conçu dès l'origine pour respecter la réglementation européenne sur la protection des données de santé sensibles, incluant les données génomiques.

✓

Aucune donnée nominative requise — seules les coordonnées génomiques (chrN:pos:REF>ALT) sont utilisées, jamais le nom ou l'identifiant du patient.

✓

Zéro stockage persistant — les variants analysés et les rapports générés ne sont conservés sur aucun serveur entre les sessions.

✓

Serveurs OVH France — hébergement 100% sur infrastructure française, soumis au droit européen (RGPD) et au référentiel HDS.

✓

Transmission chiffrée HTTPS — les données transitent uniquement via des connexions TLS/SSL, sans interception possible.

✓

Conformité bioéthique (Loi n°2021-1017) — l'outil est un aide à l'interprétation, non un dispositif de diagnostic. Aucune base de données de variants patients n'est constituée.

✓

API Claude sécurisée — les requêtes à l'API Claude (Anthropic) ne contiennent aucun identifiant patient et ne sont pas réutilisées pour l'entraînement.

✅ RGPD ✅ CNIL ✅ OVH France ✅ HTTPS ✅ Zéro stockage ✅ Bioéthique FR

Couverture Génomique

Panels Géniques Couverts

GenGI analyse les variants dans les gènes pathogènes majeurs des principales indications cliniques.

🎗️

Cancers héréditaires

BRCA1, BRCA2, PALB2, ATM, TP53, CHEK2, CDH1, STK11, NF1, PTEN, MLH1, MSH2, MSH6, PMS2, APC, MUTYH

❤️

Cardiomyopathies

MYH7, MYBPC3, TNNT2, TNNI3, TPM1, MYL2, MYL3, ACTC1, SCN5A, LMNA, PLN, RBM20

🫀

Aortopathies / Marfan

FBN1, FBN2, TGFBR1, TGFBR2, SMAD3, ACTA2, MYH11, COL3A1, ELN, SKI, EFEMP2, FLNA

🫁

Pneumopathies rares

CFTR (FC), SFTPC, SFTPB, ABCA3, NKX2-1, TMEM173, SLC7A7, HPS1, DCLRE1C, RAG1, RAG2

🧠

Neuromusculaires

DMD, SMN1, SMN2, DMPK, FSHMD1A, ATP7B (Wilson), HFE, HEXA, GBA, LRRK2, PARK2

💊

Pharmacogénomique

CYP2D6, CYP2C19, CYP2C9, DPYD (5-FU), TPMT (azathioprine), G6PD, VKORC1, NAT2, UGT1A1

🫘

Maladies rénales

PKD1, PKD2, PKHD1, COL4A3/A4/A5 (Alport), NPHS1, NPHS2, INF2, UMOD, DNAJB11

🩸

Hémopathies héréditaires

HBB, HBA1, HBA2 (thalassémies), F8, F9 (hémophilie), VWF, F2, F5, JAK2, CALR, MPL

🔬

Déficits immunitaires

BTK (Bruton), ADA, SCID (IL2RG), DOCK8, PIK3CD, PIK3R1, NEMO, STAT3, RAD51C, FANC

Gènes Actionables ACMG Secondary Findings v3.2 — 81 Gènes

BRCA1 · BRCA2 TP53 (Li-Fraumeni) PALB2 · CHEK2 MLH1 · MSH2 (Lynch) APC (FAP) RET · MEN1 · MEN2 VHL · SDHA/B/C/D MYH7 · MYBPC3 SCN5A · KCNQ1 LMNA · PLN FBN1 (Marfan) COL3A1 (Ehlers-Danlos) LDLR · APOB · PCSK9 ATP7B (Wilson) HFE (hémochromatose) CYP21A2 (hyperplasie) DPYD · TPMT · G6PD OTC · PKU (PAH) MUTYH · PTEN · STK11 NF2 · TSC1 · TSC2

Pour les Généticiens

Pourquoi GenGI ?

🧬

Nucleotide Transformer intégré

NT-v2-50M (InstaDeepAI / EMBL-EBI) encode le contexte ADN brut ±128 bp. Le delta-embedding capture la perturbation fonctionnelle réelle du variant dans l'espace d'embedding.

📋

28 critères ACMG/AMP automatisés

PVS1, PS1–4, PM1–6, PP1–5, BA1, BS1–4, BP1–7 appliqués automatiquement. Chaque critère activé est détaillé avec la source de preuve (ClinVar, gnomAD, SIFT, PolyPhen, SpliceAI).

⚡

Analyse batch VCF

Importez directement un fichier VCF annoté. GenGI parse automatiquement tous les SNV et génère un score par variant. Export CSV structuré prêt pour le dossier patient.

🔍

XAI — Explainability intégrée

Attribution gradient × Δ pour chaque variant. Visualisation des contributions par variant au score de risque global — interprétable par les généticiens et biologistes médicaux.

🎯

Gènes actionables ACMG SF3.2

Détection automatique des variants dans les 81 gènes ACMG SF3.2. Alerte clinique immédiate en cas de variant pathogène dans un gène actionable (BRCA1/2, Lynch, cardiomyopathie…).

🔒

Données non stockées

Aucune donnée génomique patient conservée. Analyse temps réel, aucune persistance entre sessions. Conformité RGPD et exigences bioéthique française (Loi n°2021-1017).

Base Scientifique

Références Scientifiques

Richards S, et al. Standards and guidelines for the interpretation of sequence variants: a joint consensus recommendation of the American College of Medical Genetics and Genomics and the Association for Molecular Pathology. Genet Med. 2015;17(5):405–424.

Dalla-Torre H, et al. The Nucleotide Transformer: Building and Evaluating Robust Foundation Models for Human Genomics. bioRxiv. 2023. doi:10.1101/2023.01.11.523679.

Landrum MJ, et al. ClinVar: improving access to variant interpretations and supporting evidence. Nucleic Acids Res. 2018;46(D1):D1062–D1067.

Chen S, et al. (gnomAD Consortium). A genomic mutational constraint map using variation in 76,156 human genomes. Nature. 2022;625:92–100.

Rentzsch P, et al. CADD: predicting the deleteriousness of variants throughout the human genome. Nucleic Acids Res. 2019;47(D1):D886–D894.

Kumar P, Henikoff S, Ng PC. Predicting the effects of coding non-synonymous variants on protein function using the SIFT algorithm. Nat Protoc. 2009;4:1073–1081.

Adzhubei I, et al. Predicting functional effect of human missense mutations using PolyPhen-2. Curr Protoc Hum Genet. 2013;Chapter 7:Unit7.20.

Jaganathan K, et al. Predicting Splicing from Primary Sequence with Deep Learning. Cell. 2019;176(3):535–548. (SpliceAI)

Miller DT, et al. (ClinGen). ACMG SF v3.2 list for reporting of secondary findings in clinical exome and genome sequencing: a policy statement of the American College of Medical Genetics and Genomics. Genet Med. 2023;25(8):100866.

Zhou J, et al. DNABERT-2: Efficient Foundation Model and Benchmark For Multi-Species Genome. arXiv. 2023:2306.15006.

Bycroft C, et al. The UK Biobank resource with deep phenotyping and genomic data. Nature. 2018;562:203–209.

Kuchenbaecker KB, et al. (BRCA1 and BRCA2 Cohort Consortium). Risks of Breast, Ovarian, and Contralateral Breast Cancer for BRCA1 and BRCA2 Mutation Carriers. JAMA. 2017;317(23):2402–2416.

GenGI

Prêt à interpréter vos variants ?