AlphaGenome 2 de DeepMind prédit les effets de l'ADN cellule par cellule : 30 % contre 16 %

Chaque cellule de votre corps renferme le même génome. Pourtant, une cellule du muscle cardiaque ne le lit pas du tout comme une cellule du système immunitaire. Une même mutation peut être inoffensive dans un tissu et dévastatrice dans un autre. Personne n'était vraiment parvenu à le prédire à l'avance, et c'est précisément là que Google DeepMind franchit une nouvelle étape : l'entreprise a lancé AlphaGenome 2.

Ce qui n'allait pas dans la première version

La première AlphaGenome prenait en entrée une séquence d'ADN d'environ un million de lettres et prédisait en un seul passage ses propriétés dans des milliers d'expériences couvrant de nombreux tissus. Selon DeepMind, ce parallélisme diluait la capacité du modèle. Les subtiles différences entre types de cellules proches se perdaient, comme les détails d'une image trop compressée.

L'analogie pour les développeurs est simple. Imaginez un seul modèle censé produire en même temps des métriques pour mille segments d'utilisateurs et qui, au final, donne pour chacun une réponse moyenne. Le problème est bien connu, et la solution l'est aussi : ajouter une condition.

Comment fonctionne le modèle conditionnel

AlphaGenome 2 est devenue un modèle conditionnel. Outre la séquence d'ADN, elle reçoit en entrée la description d'un état biologique, c'est-à-dire d'un type de cellule précis, et ne calcule les effets que pour celui-ci. Elle a été entraînée sur plus de 107 millions de profils de cellules individuelles issues de 68 tissus humains et murins.

Les sorties se sont elles aussi enrichies. Le modèle prédit l'intensité d'expression d'un gène et la façon dont l'ADN est compacté dans le noyau, autrement dit quelles régions du génome sont accessibles. Il calcule désormais aussi la méthylation de l'ADN, ces marques chimiques qui agissent comme des interrupteurs et activent ou musèlent les gènes.

Une astuce pratique supplémentaire : le modèle complète les données manquantes. Si les chercheurs n'ont mesuré que l'activité des gènes, il prédira aussi le degré de compaction de l'ADN. Cela aide à choisir quelles expériences de laboratoire valent vraiment la peine d'être lancées.

Le point essentiel du côté ingénierie : le modèle s'adapte à une nouvelle expérience sans réentraînement. Il suffit de lui fournir des données d'activité génique issues d'environ quelques dizaines de cellules pour qu'il calcule les effets pour un état jamais vu auparavant. D'après DeepMind, il surpasse ainsi souvent des modèles spécialisés entraînés précisément sur ces données.

Ce que montrent les tests

Sur le benchmark TenK10K, qui comprend 28 types de cellules immunitaires primaires, AlphaGenome 2 a trouvé environ 30 % des variants causaux. Dans 43 % des cas, elle a correctement déterminé si un variant renforce ou affaiblit l'activité d'un gène. AlphaGenome 1 réentraînée n'a obtenu que 16 % et 23 %.

Deux autres exemples. Par un calcul pur, le modèle a reproduit un mécanisme déjà connu de la maladie inflammatoire de l'intestin. Il a trouvé un variant précis, situé dans un interrupteur régulateur éloigné du gène, qui surexcite sélectivement ETS2 dans les macrophages intestinaux, tandis que les autres cellules et gènes restent presque intacts. Sur les données d'une étude du vaccin à ARNm contre la COVID-19, il a distingué les lymphocytes T activés des lymphocytes au repos et montré qu'un variant associé à une forme grave de la maladie perturbe le fonctionnement des cellules principalement à l'état activé. Dans les cellules au repos, cet effet serait resté invisible.

DeepMind a également précalculé des prédictions pour des centaines de conditions cellulaires et tissulaires. Elles sont utiles pour analyser les études d'association pangénomique (GWAS). Ces travaux relient des régions d'ADN à des caractères comme la taille ou le diabète de type 2, mais ne les désignent que très grossièrement. AlphaGenome 2 restreint le cercle des variants causaux probables et nomme les types de cellules concernés.

Limites et marche à suivre

Un regard lucide d'abord. Les chiffres viennent de DeepMind elle-même. Environ 30 % de variants causaux trouvés signifie que la majorité échappe encore au modèle. Le système n'est pas approuvé pour le diagnostic clinique.

L'accès est organisé ainsi : pour la recherche non commerciale, le modèle est ouvert via API ; les utilisateurs commerciaux y accèdent par une préversion fermée. Les startups de biotechnologie devront négocier séparément.

Conclusion pratique pour ceux qui construisent des produits autour de données scientifiques. Premièrement, le schéma « modèle général plus conditionnement sur l'état » fonctionne aussi en dehors de la biologie, et le passage de prédictions moyennées à des prédictions conditionnelles mérite d'être gardé à l'esprit. Deuxièmement, l'adaptation à partir de quelques dizaines d'exemples sans réentraînement réduit fortement le coût des expériences. Troisièmement, DeepMind compte ajouter bientôt les fonctions d'AlphaGenome 2 à la plateforme Google Antigravity, avec Gemini 4, pour des pipelines de recherche automatisés. Si vous développez des outils pour les laboratoires ou l'industrie pharmaceutique, suivez dès maintenant cette direction.