Google DeepMind a présenté AlphaGenome 2, une version actualisée de son modèle consacré à l'interprétation du génome humain. L'outil vise à prédire les conséquences moléculaires des variations de séquences d'ADN selon le type de cellule concerné, un enjeu central pour comprendre comment certaines mutations contribuent au développement de maladies.
La majeure partie du génome humain ne code pas directement pour des protéines, mais régule l'activité des gènes à travers des mécanismes complexes : expression génique, épissage de l'ARN, accessibilité de la chromatine ou fixation de facteurs de transcription. AlphaGenome cherche à modéliser ces processus simultanément et à grande échelle, en tenant compte de la diversité des types cellulaires, afin d'identifier les variants susceptibles d'avoir un effet fonctionnel.
Cette approche prolonge la stratégie engagée par DeepMind avec AlphaFold, qui avait permis de prédire la structure tridimensionnelle des protéines. Avec AlphaGenome, l'entreprise s'attaque à une couche supplémentaire de complexité biologique : comprendre non plus seulement la structure des molécules, mais la manière dont les cellules lisent et interprètent l'information génétique selon leur contexte.
Pour les chercheurs en génétique humaine, ce type de modèle pourrait faciliter l'identification de variants non-codants impliqués dans des pathologies complexes, un domaine où les méthodes expérimentales restent coûteuses et lentes. DeepMind indique mettre l'outil à disposition de la communauté scientifique à des fins de recherche, sans toutefois détailler publiquement, à ce stade, les améliorations précises apportées par rapport à la première version du modèle.
L'annonce s'inscrit dans une tendance plus large de l'IA appliquée aux sciences du vivant, où les grands laboratoires technologiques investissent des ressources croissantes dans des modèles de fondation spécialisés en biologie moléculaire, avec l'espoir d'accélérer la recherche biomédicale.