AlphaGenome 2 identifie presque deux fois plus de variants causaux de l'ADN dans les cellules — via API

Toutes les cellules du corps possèdent le même génome, mais elles fonctionnent différemment : une cellule musculaire du cœur et une cellule immunitaire qui lutte contre une infection n'activent pas les mêmes gènes. Une mutation de l'ADN peut perturber un seul type de cellule sans se manifester dans les autres. Les anciens modèles, qui prédisaient l'effet des mutations à partir de tissus moyennés, passaient souvent à côté de ces effets. DeepMind a publié AlphaGenome 2, qui tente de résoudre ce problème.

Ce qui a changé dans l'architecture

La première AlphaGenome prenait en entrée une séquence d'ADN d'un million de lettres et produisait immédiatement des milliers de prédictions parallèles pour différents tissus et lignées cellulaires. C'est pratique, mais la capacité du modèle se diluait, et il distinguait mal les types de cellules proches.

La deuxième version adopte une autre approche. Le modèle est devenu conditionnel : il reçoit en entrée l'ADN et la description d'une condition biologique — un tissu, un type de cellule ou son état. Cette condition est injectée à chaque étape de l'architecture, de sorte que le modèle apprend comment une même région d'ADN est lue différemment selon les cellules. La condition peut être choisie dans un catalogue ou construite à partir de sa propre expérience single-cell à l'aide d'un encodeur de cellules spécialisé.

L'entraînement a porté sur des données humaines et murines, dont plus de 107 millions de profils de cellules individuelles issus de 68 tissus. Aux prédictions existantes (expression des gènes, modifications des histones, accessibilité de la chromatine) s'ajoute la méthylation de l'ADN — la fonctionnalité la plus demandée.

Ce que montrent les chiffres et les exemples

Sur le jeu de données TenK10K, une carte unicellulaire de 28 types de cellules immunitaires, AlphaGenome 2 identifie correctement 30 % des variants causaux contre 16 % pour le premier modèle réentraîné sur des données unicellulaires. Elle devine la direction de l'effet (un gène s'active plus ou moins fortement) dans 43 % des cas contre 23 %.

Il existe aussi des exemples concrets. Une étude récente a montré qu'un variant situé dans une région régulatrice distante provoque une maladie inflammatoire de l'intestin en réactivant le gène ETS2 dans les macrophages. Le modèle a reproduit ce résultat par le calcul : il a isolé le variant causal et montré qu'il renforce ETS2 spécifiquement dans les macrophages intestinaux, sans presque affecter les autres cellules.

Une autre capacité est le travail sur des états inconnus sans réentraînement. Un simple instantané de l'activité des gènes (scRNA-seq) sur quelques dizaines de cellules suffit. Sur les données d'une étude du vaccin contre le COVID-19, le modèle a distingué les lymphocytes T activés des lymphocytes au repos. Il a aussi montré qu'un variant associé à une forme grave de COVID-19 perturbe davantage le fonctionnement des gènes à l'état activé, alors que cet effet serait invisible dans les cellules au repos.

DeepMind a par ailleurs précalculé, sur des centaines de conditions, les prédictions pour les variants identifiés par les GWAS (recherche d'associations entre des régions d'ADN et des caractères comme la taille ou le diabète de type 2). Cela aide à trouver le variant causal, le gène et la cellule sans lancer soi-même des calculs lourds.

Limites et usages pratiques

Quelques réserves importantes. Le modèle est destiné uniquement à la recherche et n'a pas été validé pour des usages cliniques et diagnostiques. Les métriques sont fournies par DeepMind elle-même, sans vérification indépendante à ce jour. Et même 30 % de variants causaux trouvés signifient que la majeure partie reste hors champ : c'est un outil de priorisation d'hypothèses, pas un substitut à l'expérience.

Pour ceux qui travaillent dans la biotech et autour, les conclusions sont les suivantes :

• Si vous développez une plateforme de recherche de cibles ou d'analyse GWAS, l'API mérite d'être testée : elle est ouverte à la recherche non commerciale, et il existe un aperçu fermé pour les usages commerciaux. Les premières intégrations sont déjà annoncées, par exemple par Genomics Limited avec sa plateforme Mystra.
• Si vous disposez de vos propres données single-cell, intéressez-vous à l'apprentissage conditionnel sans réentraînement : même un petit instantané de cellules peut fournir le contexte des prédictions.
• Le modèle sait compléter des mesures manquantes, par exemple l'accessibilité de la chromatine à partir des données d'expression — un moyen de décider quelles expériences mener ensuite.

Un dernier détail pour ceux qui suivent les outils agentiques : la sortie d'AlphaGenome 2 Skills dans Google Antigravity est prévue, où ce modèle spécialisé fonctionnera de concert avec Gemini. Les modèles scientifiques étroits deviennent ainsi peu à peu des outils appelés par un agent.