Google DeepMind a lancé AlphaGenome Atlas, qui prédit les effets biologiques d’environ 9 milliards de variants mononucléotidiques possibles dans le génome humain. La plateforme rassemble des prédictions concernant les modifications d’une seule lettre parmi environ 3 milliards de lettres de DNA et contient plus de 1 pétaoctet de données.
Le modèle AlphaGenome sur lequel repose l’Atlas analyse des séquences allant jusqu’à 1 million de lettres de DNA afin de produire des prédictions sur des milliers de caractéristiques moléculaires, telles que l’expression des gènes, l’accessibilité de la chromatine et le traitement du RNA. Le modèle avait surpassé ses concurrents généralistes dans 25 des 26 tests de prédiction de l’effet des variants. L’Atlas vise à réduire la nécessité d’examiner les variants un par un via l’API et à proposer une ressource plus de 30 fois plus vaste qu’AlphaFold Database. Les données couvrent des centaines de types de cellules et de tissus humains et murins, ainsi que plus de 2 mille 500 motifs de DNA répétés dans l’ensemble du génome.
DeepMind a également présenté le score AlphaGenome Variant Impact (AVI), qui combine les prédictions d’AlphaGenome et d’AlphaMissense. Utilisable dans les régions codantes comme non codantes, ce score a contribué à identifier, dans le cadre de recherches sur les maladies rares, un variant affectant le gène DNM1 qui était auparavant passé inaperçu.
Pourquoi est-ce important
Cette ressource pourrait modifier la manière de hiérarchiser les priorités dans l’analyse génomique, en permettant aux chercheurs d’évaluer un vaste ensemble de possibilités dans un même cadre plutôt que d’examiner les variants un par un. La prise en compte des régions non codantes associées à la régulation des gènes, en plus des régions codantes, facilite l’étude des modifications qui échappent aux approches axées uniquement sur les séquences produisant des protéines. Les prédictions concernant différents types de cellules et de tissus offrent aux chercheurs une base de comparaison plus détaillée lorsque l’effet biologique d’un même variant peut varier selon le contexte. Toutefois, la manière dont ces prédictions seront utilisées pour diagnostiquer les maladies rares ou valider les résultats de recherche reste une question ouverte qui doit être étayée par des preuves expérimentales. Leurs hypothèses et marges d’erreur devront également être évaluées séparément avant toute utilisation clinique.
Contexte
Google n’est pas un nouveau nom dans les archives de FikirPilot : au cours des 90 derniers jours, nous avons publié 33 articles mentionnant ce nom, dont le plus récent date du 9 septembre 2026.